Statistiskās hipotēzes pārbaudē p-vērtība (varbūtības vērtība) ir varbūtības mērs, lai atrastu novērotos vai galējākos rezultātus, ja noteiktā statistiskā testa nulles hipotēze ir patiesa. P-vērtība ir primārā vērtība, ko izmanto, lai kvantificētu hipotēzes testa rezultātu statistisko nozīmīgumu. Hipotēžu pārbaude Hipotēžu pārbaude ir statistikas secināšanas metode. To izmanto, lai pārbaudītu, vai apgalvojums par populācijas parametru ir pareizs. Hipotēžu pārbaude.
Galvenā p vērtības interpretācija ir tā, vai ir pietiekami daudz pierādījumu, lai noraidītu nulles hipotēzi. Ja p vērtība ir pietiekami zema (mazāka par nozīmības līmeni), mēs varam apgalvot, ka ir pietiekami daudz pierādījumu, lai noraidītu nulles hipotēzi. Pretējā gadījumā mums nevajadzētu noraidīt nulles hipotēzi.
Secinājumi par hipotēzes testu tiek izdarīti, salīdzinot testa p vērtību ar nozīmīguma līmeni, kas spēlē etalona lomu. Tipiskākie nozīmīguma līmeņi ir 0,10, 0,05 un 0,01. Nozīmības pakāpe 0,05 tiek uzskatīta par parasto un visbiežāk izmantoto.
Kā hipotēzes testā izmantot P vērtību?
Lai hipotēzes testā izmantotu p vērtību, rīkojieties šādi:
- Nosakiet savu nozīmīguma līmeni (α). Nozīmības līmenis parasti jāizvēlas hipotēzes testa izstrādes pirmajos posmos. Visizplatītākie nozīmīguma līmeņi ir 0,10, 0,05 un 0,01.
- Aprēķiniet p vērtību. Ir daudz lietojumprogrammu, kas piedāvā aprēķinu. Piemēram, Microsoft Excel ļauj aprēķināt p vērtību, izmantojot Data Analysis ToolPak.
- Salīdziniet iegūto p vērtību ar nozīmības līmeni (α) un izdariet attiecīgos secinājumus. Šeit vispārējais noteikums ir, ja skaitlis ir mazāks par nozīmības līmeni, tad ir pietiekami daudz pierādījumu, lai noraidītu eksperimenta nulles hipotēzi.
Statistiskās nozīmības pakāpe parasti mainās atkarībā no nozīmīguma līmeņa. Piemēram, p-vērtība, kas ir lielāka par 0,05, tiek uzskatīta par statistiski nozīmīgu, savukārt skaitlis, kas ir mazāks par 0,01, tiek uzskatīts par statistiski ļoti nozīmīgu.
P vērtības nepareiza interpretācija
Statistikā Finanšu pamatstatistikas jēdzieni Stingra statistikas izpratne ir ārkārtīgi svarīga, lai palīdzētu mums labāk izprast finanses. Turklāt statistikas jēdzieni var palīdzēt investoriem uzraudzīt, p vērtību patiesi var uzskatīt par vienu no visbiežāk nepareizi interpretētajiem jēdzieniem. Lielākais nepareizais priekšstats par šo jēdzienu ir tāds, ka tā ir varbūtība, ka nulles hipotēze ir patiesa (vai varbūtība, ka alternatīvā hipotēze ir nepatiesa).
Patiesībā p-vērtība nenosaka nulles hipotēzes varbūtību par patiesu, bet tikai norāda varbūtību sastapties ar pētījuma rezultātiem, kas ir vismaz tikpat ekstrēmi kā faktiski novērotie rezultāti, ja nulles hipotēze ir patiesa. Citiem vārdiem sakot, tas norāda uz varbūtību, ka būs pietiekami daudz pierādījumu nulles hipotēzes noraidīšanai vai noraidīšanai.
Papildu resursi
Finanses piedāvā finanšu modelēšanas un vērtēšanas analītiķi (FMVA) ™ FMVA® sertifikāciju. Pievienojieties 350 600+ studentiem, kuri strādā tādos uzņēmumos kā Amazon, J.P.Morgan un Ferrari sertifikācijas programma tiem, kas vēlas virzīt savu karjeru uz nākamo līmeni. Lai turpinātu mācīties un virzīt savu karjeru, noderēs šādi finanšu resursi:
- Paredzamā vērtība Paredzamā vērtība Paredzētā vērtība (pazīstama arī kā EV, gaidāmā, vidējā vai vidējā vērtība) ir ilgtermiņa vidējā nejaušo mainīgo vērtība. Paredzētā vērtība arī norāda
- Neparametriskie testi Neparametriskie testi Statistikā parametriskie testi ir statistiskās analīzes metodes, kurām nav nepieciešams sadalījums, lai izpildītu nepieciešamos analizējamos pieņēmumus
- Paraugu atlases aizspriedumi Paraugu atlases aizspriedumi Paraugu atlases neobjektivitāte ir neobjektivitāte, kas rodas no nespējas nodrošināt pareizu populācijas izlases nejaušināšanu. Paraugu atlases trūkumi
- Kopējās varbūtības noteikums Kopējās varbūtības noteikums Kopējās varbūtības noteikums (pazīstams arī kā kopējās varbūtības likums) ir pamatnoteikums statistikā attiecībā uz nosacīto un marginālo
