P-тест
P-тест - це статистичний метод, який перевіряє обґрунтованість нульової гіпотези, яка заявляє про загальновизнану претензію щодо сукупності. Хоча термін null трохи вводить в оману, мета - перевірити прийнятий факт, намагаючись спростувати або звести нанівець його. P-тест може надати докази, які можуть або відхилити, або не можуть їх відхилити (статистика говорить про "непереконливі") широко прийнятого твердження.
Ключові вивезення
- P-тест - це статистичний метод, який перевіряє обґрунтованість нульової гіпотези, яка заявляє про загальновизнану претензію щодо сукупності.
- Чим менше р-значення, тим сильніші докази того, що нульова гіпотеза повинна бути відхилена і що альтернативна гіпотеза може бути більш достовірною.
- Статистика P-тесту, як правило, дотримується стандартного нормального розподілу, коли використовуються великі розміри вибірки.
Розуміння P-тесту
P-тест обчислює значення, яке дозволяє досліднику визначити достовірність прийнятої претензії. Відповідне p-значення порівнюється зі статистично значущим рівнем (рівень довіри), альфа (α), який дослідник обрав для оцінки випадковості результатів. Статистика P-тесту, як правило, дотримується стандартного нормального розподілу, коли використовуються великі розміри вибірки.
Зазвичай дослідники вибирають альфа-рівні 5% або нижче, що означає рівень довіри 95% або вище. Іншими словами, значення p менше 5 альфа-рівня означає, що більше 95% шансів, що ваші результати не будуть випадковими, тим самим підвищуючи значення ваших результатів. Це докази, які дозволили б досліднику відкинути нульову гіпотезу.
- Чим менше р-значення (р-значення <альфа), тим сильнішими є докази того, що нульова гіпотеза повинна бути відхилена і що альтернативна гіпотеза може бути більш достовірною.
- Чим більше р-значення (р-значення> альфа), тим слабкіші докази проти нульової гіпотези, тобто його неможливо відкинути, що робить тест непереконливим.
Проводячи тест гіпотези для підтвердження претензії, дослідник постулює дві гіпотези - нульову (H 0 ) та альтернативну (H 1 ). Формулювання нульових та альтернативних гіпотез є ключовим для корисності, яку може запропонувати дослідник P-тест.
Нульова гіпотеза містить загальноприйняту віру чи передумову, яку дослідник перевіряє, чи може вони відкинути її. Ключовим моментом для розуміння є те, що дослідник хоче завжди відкидати нульову гіпотезу, а P-тест допомагає їм у досягненні цієї мети. Ще один момент, який слід зазначити, є те, що якщо P-тест не відкидає нульову гіпотезу, тест вважається непереконливим і жодним чином не повинен бути підтвердженням нульової гіпотези.
Альтернативна гіпотеза - це різне пояснення, подане дослідником для кращого пояснення досліджуваного явища. Таким чином, воно має бути єдиним, або найкращим, можливим альтернативним поясненням. Таким чином, якщо р-значення підтверджує відхилення нульової гіпотези, то альтернативна гіпотеза може розглядатися як достовірна.
Z-тест і Т-тест
Поширеним і спрощеним типом статистичного тестування є z-тест, який перевіряє статистичну значущість вибірки для середньої групи гіпотез, але вимагає знати стандартне відхилення сукупності, що часто неможливо. T-тест - більш реалістичний тип тесту, оскільки він вимагає лише стандартного відхилення вибірки на відміну від стандартного відхилення сукупності.
Розуміння того, як статистика може впливати на розвиток продукції, особливо в галузі біотехнологій, може бути дуже корисним для наведення інвесторів для прийняття більш обґрунтованих інвестиційних рішень. Наприклад, базове розуміння статистичних результатів для багатообіцяючого клінічного випробування ліків може бути неоціненним при оцінці потенційної віддачі біотехнологічного фонду.
Порівняйте інвестиційні рахунки Ім’я постачальника Опис Розкриття рекламодавця × Пропозиції, що з’являються в цій таблиці, є партнерствами, від яких Investopedia отримує компенсацію.