P-arvo - Määritelmä, käyttö ja väärät tulkinnat

Tilastollisessa hypoteesitestauksessa p-arvo (todennäköisyysarvo) on todennäköisyysmitta havaittujen tai äärimmäisempien tulosten löytämiseksi, kun tietyn tilastollisen testin nollahypoteesi on totta. P-arvo on ensisijainen arvo, jota käytetään hypoteesitestin tulosten tilastollisen merkitsevyyden kvantifiointiin Hypoteesitestaus Hypoteesitestaus on menetelmä tilastolliseen päättelyyn. Sitä käytetään testaamaan, onko väestöparametriä koskeva väite oikea. Hypoteesin testaus .

P-arvo

P-arvon pääasiallinen tulkinta on, onko riittävää näyttöä nullhypoteesin hylkäämiseksi. Jos p-arvo on kohtuullisen pieni (pienempi kuin merkitsevyystaso), voimme todeta, että on olemassa riittävästi todisteita nullhypoteesin hylkäämiseksi. Muussa tapauksessa meidän ei pidä hylätä nullhypoteesia.

Hypoteesitestistä tehdään johtopäätökset, kun testin p-arvoa verrataan merkitsevyyden tasoon, jolla on vertailukohdan rooli. Tyypillisimmät merkitsevyystasot ovat 0,10, 0,05 ja 0,01. Merkitsevyystasoa 0,05 pidetään tavanomaisena ja yleisimmin käytettynä.

Kuinka käyttää P-arvoa hypoteesitestauksessa?

Seuraa p-arvoa hypoteesitestauksessa seuraavasti:

  1. Määritä merkitsevyystasosi (α). Merkitsevyystaso tulisi yleensä valita hypoteesitestin suunnittelun ensimmäisten vaiheiden aikana. Yleisimpiä merkitsevyystasoja ovat 0,10, 0,05 ja 0,01.
  2. Laske p-arvo. On olemassa lukuisia ohjelmistosovelluksia, jotka tarjoavat laskennan. Esimerkiksi Microsoft Excel sallii p-arvon laskemisen Data Analysis ToolPakin avulla.
  3. Vertaa saatuja p-arvoja merkitsevyystasoon (α) ja tee asiaankuuluvat johtopäätökset. Yleinen sääntö on, että jos luku on pienempi kuin merkitsevyystaso, niin on riittävästi todisteita hylätä kokeen nollahypoteesi.

Tilastollisen merkitsevyyden aste vaihtelee yleensä merkitsevyystason mukaan. Esimerkiksi p-arvoa, joka on yli 0,05, pidetään tilastollisesti merkitsevänä, kun taas lukua, joka on alle 0,01, pidetään erittäin tilastollisesti merkitsevänä.

P-arvon väärinkäsitykset

Tilastoissa Rahoituksen perustilastokäsitteet Tilastojen vahva tuntemus on ratkaisevan tärkeää, jotta voimme paremmin ymmärtää rahoitusta. Lisäksi tilastokäsitteet voivat auttaa sijoittajia seuraamaan, p-arvoa voidaan todella pitää yhtenä yleisimmin väärin tulkituista käsitteistä. Suurin väärinkäsitys käsitteestä on, että on todennäköistä, että nollahypoteesi on totta (tai on todennäköisyys, että vaihtoehtoinen hypoteesi on väärä).

Todellisuudessa p-arvo ei määritä nollahypoteesin todennäköisyyttä totta, vaan vain osoittaa todennäköisyyden kohdata tutkimuksen tulokset vähintään yhtä äärimmäisen kuin tosiasiallisesti havaitut tulokset, jos nollahypoteesi on totta. Toisin sanoen se osoittaa todennäköisyyden saada riittävästi todisteita hylätä tai hylätä nullhypoteesi.

Lisäresurssit

Finance tarjoaa Financial Modeling & Valuation Analyst (FMVA) ™ FMVA® -sertifikaatin. Liity 350 600+ opiskelijaan, jotka työskentelevät yrityksissä, kuten Amazon, J.P.Morgan ja Ferrari -sertifikaattiohjelmassa, niille, jotka haluavat viedä uransa seuraavalle tasolle. Seuraavat rahoitusresurssit ovat hyödyllisiä oppimisen jatkamiseksi ja urasi edistämiseksi:

  • Odotettu arvo Odotettu arvo Odotettu arvo (tunnetaan myös nimellä EV, odotus, keskiarvo tai keskiarvo) on satunnaisten muuttujien pitkän aikavälin keskiarvo. Odotettu arvo osoittaa myös
  • Ei-parametriset testit Ei-parametrit testit Tilastossa ei-parametrit testit ovat tilastollisen analyysin menetelmiä, jotka eivät vaadi jakaumaa täyttääkseen vaadittavat analysoitavat oletukset
  • Näytteen valinnan poikkeama Näytteen valinnan puolueellisuus Näytteen valinnan puolueellisuus on puolueellisuus, joka johtuu epäonnistumisesta varmistaa populaationäytteen oikea satunnaistaminen. Näytteen valinnan puutteet
  • Kokonais Todennäköisyyssääntö Kokonais Todennäköisyyssääntö Kokonais Todennäköisyyssääntö (joka tunnetaan myös nimellä kokotodennäköisyyden laki) on ehdolliseen ja marginaaliseen tilastojen perussääntö

Uusimmat viestit