9.4
P değeri
P değeri istatistikteki en önemli kavramlardan biridir.
P değeri olasılık değerini ifade eder. P değeri, sıfır hipotezi doğruysa, rastgele seçilen baş…
Örneklem oranı gibi bir test istatistiği örnek istatistiğinden hesaplandığında, bir olasılık dağılımında bulunabilir.
Test istatistiğinin bu değeri, eğrinin altındaki bir alanı alanın geri kalanından ayırır.
Dağılımın kuyruğundaki bu alan, P'nin olasılık anlamına geldiği P değeridir.
Sıfır hipotezinin doğru olduğunu varsayarsak, hesaplanan test istatistiğini veya bundan daha yüksek bir değeri verilen dağılımın kritik bölgesinde gözlemleme şansı her zaman vardır.
Bir P değeri, kritik bölgede bu test istatistiği değerini yalnızca şans eseri elde etme olasılığını sağlar.
Bu nedenle, P değerinin 0,05 gibi önceden belirlenmiş bir değerden daha küçük olduğu gözlemlendiğinde, gözlemlenen sonucun pek olası olmadığını ve sıfır hipotezine karşı kanıtların daha güçlü olduğunu gösterdiği için sıfır hipotezini reddederiz.
P değeri, hipoteze veya test istatistiğinin değerine bağlı olarak sağ kuyrukta, sol kuyrukta veya her iki kuyrukta hesaplanabilir.
View the full transcript and gain access to JoVE Core videos
Q1: What does P-value represent in hypothesis testing?
The P-value, or probability value, represents the probability of observing a test statistic as extreme or more extreme than the calculated value, assuming the null hypothesis is true. It measures the likelihood of obtaining sample results by chance alone. A smaller P-value indicates stronger evidence against the null hypothesis.
Q2: How do you use P-value to make decisions about the null hypothesis?
Compare the P-value to a predetermined significance level, typically 0.05. If the P-value is less than 0.05, reject the null hypothesis, indicating the observed outcome is highly unlikely under the null hypothesis. If the P-value is greater than 0.05, fail to reject the null hypothesis.
Q3: Where is the P-value located in a probability distribution?
The P-value is the area at the tail of the probability distribution, demarcated by the test statistic value. It can be calculated at the right tail, left tail, or both tails depending on the hypothesis and test statistic value. This tail area represents the probability of observing extreme results by chance.
Q4: What does a large P-value indicate about your hypothesis?
A large P-value indicates insufficient evidence to reject the null hypothesis. However, a large P-value does not mean the null hypothesis is true. It simply suggests the observed data is reasonably likely under the null hypothesis, so you fail to reject it rather than accept it.
Q5: Is P-value the same as the probability of rejecting the null hypothesis?
No. P-value is not the probability of rejecting the null hypothesis, nor is it a statistical error rate or sampling error. P-value also does not indicate a 95% chance that the observed difference is real. It specifically measures the probability of observing the test statistic under the assumption that the null hypothesis is true.
Q6: Why is 0.05 commonly used as the significance level for P-values?
The 0.05 significance level is a predetermined threshold convention in statistics. When P-value is less than 0.05, results are considered statistically significant, meaning the observed outcome is highly unlikely by chance alone. This threshold balances the need to detect real effects while controlling false positives.
Q7: What information does P-value NOT provide about hypotheses?
P-value does not convey information about the truth of the null or alternative hypotheses. It does not indicate whether the null hypothesis is true, nor does it measure the magnitude or practical importance of an effect. P-value is solely a measure of evidence strength against the null hypothesis based on sample data.