9.6
Metoda wartości P wykorzystuje obliczoną wartość P zamiast wartości krytycznej w celu podjęcia decyzji o hipotezie.
W pierwszym kroku stawia się hipotezę, która wyraża się symbolicznie.
W celu zbadania proporcji, średniej lub odchylenia standardowego populacji, hipotezy zerowe i alternatywne są wyrażone w następujący sposób.
W następnym kroku ustalany jest poziom istotności α, który zwykle wynosi 0,05 lub 0,01.
Ponadto wybierana jest odpowiednia statystyka testowa i obliczana na podstawie danych z próby.
Ta statystyka testowa jest następnie wykorzystywana do bezpośredniego obliczenia wartości P.
Wartość P jest prawdopodobieństwem uzyskania wartości statystyki testowej co najmniej tak ekstremalnej, jak ta uzyskana z danych próbki. Możemy wykreślić rozkład, który pokazuje daną statystykę testową i wartość P.
Jeśli obliczona wartość P jest równa lub mniejsza od ustalonego poziomu istotności, odrzucamy hipotezę zerową, w przeciwnym razie nie odrzucamy hipotezy zerowej.
Proces testowania hipotez w oparciu o metodę wartości P obejmuje obliczenie wartości P na podstawie przykładowych danych i ich interpretację.
Najpierw zostało zaproponowane konkretne twierdzenie dotyczące parametru populacji. Twierdzenie opiera się na pytaniu badawczym i jest sformułowane w prostej formie. Ponadto zawarto także oświadczenie przeciwne do żądania. Stwierdzenia te mogą działać jako hipotezy zerowe i alternatywne: hipoteza zerowa byłaby stwierdzeniem neutralnym, podczas gdy hipoteza alternatywna może mieć kierunek. Hipoteza alternatywna może być również twierdzeniem pierwotnym, jeśli dotyczy określonego kierunku dotyczącego parametru populacji.
Po sformułowaniu hipotez wyraża się je za pomocą symboli. Zgodnie z konwencją hipoteza zerowa zawierałaby symbol równości, podczas gdy hipoteza alternatywna może zawierać symbole >, < lub ≠.
Przed przystąpieniem do dalszego testowania hipotez należy określić odpowiedni poziom istotności. Istnieje ogólna zgoda co do ustalenia poziomów istotności na poziomie 95% (tj. 0,95) lub 99% (tj. 0,99). Tutaj α wyniosłoby odpowiednio 0,05 lub 0,01.
Następnie zidentyfikuj odpowiednią statystykę testową. Proporcja i średnia (jeśli znane jest odchylenie standardowe populacji) to statystyka z. W przypadku średniej, gdy odchylenie standardowe populacji jest nieznane, jest to statystyka t, a w przypadku wariancji (lub SD) jest to statystyka chi-kwadrat.
Po obliczeniu statystyki testowej znajdź wartość P elektronicznie lub z odpowiedniej tabeli wartości P i porównaj ją z wcześniej ustalonym poziomem istotności. Jeśli wartość P jest mniejsza niż wcześniej ustalony poziom istotności, odrzuć hipotezę zerową.
Interpretacja pierwotnego twierdzenia na podstawie hipotezy lub właściwości populacji musi opierać się na wartości P.
Metoda wartości P wykorzystuje obliczoną wartość P zamiast wartości krytycznej w celu podjęcia decyzji o hipotezie.
W pierwszym kroku stawia się hipotezę, która wyraża się symbolicznie.
W celu zbadania proporcji, średniej lub odchylenia standardowego populacji, hipotezy zerowe i alternatywne są wyrażone w następujący sposób.
W następnym kroku ustalany jest poziom istotności α, który zwykle wynosi 0,05 lub 0,01.
Ponadto wybierana jest odpowiednia statystyka testowa i obliczana na podstawie danych z próby.
Ta statystyka testowa jest następnie wykorzystywana do bezpośredniego obliczenia wartości P.
Wartość P jest prawdopodobieństwem uzyskania wartości statystyki testowej co najmniej tak ekstremalnej, jak ta uzyskana z danych próbki. Możemy wykreślić rozkład, który pokazuje daną statystykę testową i wartość P.
Jeśli obliczona wartość P jest równa lub mniejsza od ustalonego poziomu istotności, odrzucamy hipotezę zerową, w przeciwnym razie nie odrzucamy hipotezy zerowej.
From Chapter 9:
Now Playing
Hypothesis Testing
6.1K Views
Hypothesis Testing
15.3K Views
Hypothesis Testing
9.7K Views
Hypothesis Testing
12.4K Views
Hypothesis Testing
7.6K Views
Hypothesis Testing
28.9K Views
Hypothesis Testing
4.6K Views
Hypothesis Testing
29.3K Views
Hypothesis Testing
4.7K Views
Hypothesis Testing
3.2K Views
Hypothesis Testing
2.7K Views
Hypothesis Testing
5.4K Views
Hypothesis Testing
2.2K Views