P-arvo, tai lasketaan todennäköisyys, on todennäköisyys saada havaittu tai äärimmäisempi, tuloksia, kun nollahypoteesi (H0) tutkimuksen kysymys on totta – määritelmä ”äärimmäinen” riippuu siitä, miten hypoteesi testataan. P kuvataan myös H0: n hylkäämisenä, kun se on todella totta, mutta se ei ole suora todennäköisyys tälle valtiolle.
nollahypoteesi on yleensä hypoteesi ”eroa” esim. ei eroa veren paineet ryhmä A ja ryhmä B., Määrittele nollahypoteesi jokaiselle opiskelukysymykselle selvästi ennen tutkimuksen alkua.
ainoa tilanne, jossa sinun pitäisi käyttää yksi kaksipuolinen P-arvo on, kun suuri muutos odottamattomaan suuntaan olisi mitään merkitystä oman tutkimuksen. Tämä tilanne on epätavallinen; jos olet epävarma, käytä kaksipuolista P-arvoa.
termillä merkitsevyystaso (alpha) viitataan ennalta valittuun todennäköisyyteen ja termillä ”P-arvo” ilmoitetaan todennäköisyys, jonka lasket tietyn tutkimuksen jälkeen.,
vaihtoehtohypoteesi (H1) on nollahypoteesin vastakohta; selkokielessä tämä on yleensä hypoteesi, jonka asetit tutkittavaksi. Esimerkiksi kysymys ”onko olemassa merkittävä (ei koska mahdollisuus) ero veren paineet välillä ryhmien A ja B, jos annamme ryhmä testi huume-ja B-ryhmän sokeria pilleri?”ja vaihtoehtoinen hypoteesi on” on eroa veren paineet välillä ryhmien A ja B, jos annamme ryhmä testi huume-ja B-ryhmän sokeria pilleri”.,
Jos P-arvo on pienempi kuin valittu merkitsevyystaso sitten hylätä nollahypoteesin, eli hyväksyä, että näyte antaa kohtuullinen todisteita tukemaan vaihtoehtoinen hypoteesi. Se ei merkitse ”merkityksellistä” tai ”tärkeää” eroa; se on sinun päätettävissäsi, kun harkitset tuloksesi reaalimaailman merkitystä.
merkitsevyystason valinta, jolla torjut H0: n, on mielivaltainen. Tavanomaisesti on käytetty 5%: n (alle 1 potilaalla 20: stä), 1%: n ja 0, 1%: n (p < 0, 05, 0, 01 ja 0, 001) tasoja., Nämä numerot voivat antaa väärän turvallisuuden tunteen.
ihannemaailmassa pystyisimme määrittelemään ”täydellisesti” satunnaisotoksen, sopivimman testin ja yhden lopullisen johtopäätöksen. Emme yksinkertaisesti voi. Voimme yrittää optimoida tutkimuksemme kaikki vaiheet, jotta epävarmuuden lähteet voidaan minimoida. Kun esittelee P-arvot jotkut ryhmät löytää se hyödyllistä käyttää tähti-luokitusjärjestelmä sekä lainaamalla P-arvo:
P < 0.05 *,
P < 0.01 **,
P < 0.,001
useimmat kirjoittajat viittaavat tilastollisesti merkitsevään arvoon p < 0, 05 ja tilastollisesti erittäin merkittävään arvoon p < 0, 001 (alle Joka tuhannes mahdollisuus olla väärässä).
asteriskijärjestelmä välttää villaisen termin ”merkittävä”. Huomaa kuitenkin, että monet tilastotieteilijät eivät pidä asterisk-luokitusjärjestelmästä, kun sitä käytetään näyttämättä P-arvoja. Nyrkkisääntönä, jos voit lainata tarkka P arvo sitten tehdä., Saatat myös haluta viitata lainattu tarkka p arvo asteriski tekstin kerronta tai taulukoita kontrasteja muualla raportissa.
tässä vaiheessa sana virheestä. Tyypin I virhe on nollahypoteesin väärä hylkääminen ja tyypin II virhe on nollahypoteesin väärä hyväksyminen. Apumuistelmana: ajattele, että kyyninen yhteiskuntamme torjuu ennen kuin se hyväksyy sen.
merkitsevyystaso (alfa) on tyypin I virheen todennäköisyys. Testin teho on yksi miinus tyypin II virheen (beta) todennäköisyys. Tehot olisi maksimoitava tilastollisia menetelmiä valittaessa., Jos haluat arvioida otoskoot, sinun täytyy ymmärtää kaikki tässä mainitut ehdot.,
If you are interested in further details of probability and sampling theory at this point then please refer to one of the general texts listed in the reference section.,
sinun on ymmärrettävä luottamusvälit, jos aiot siteerata P-arvoja raporteissa ja papereissa. Tieteellisten lehtien tilastotuomarit odottavat kirjailijoiden lainaavan luottamusvälejä P-arvoja näkyvämmin.
Muistiinpanoja Tyypin I virhe:
- on virheellinen, hylätään nollahypoteesi
- suurin todennäköisyys on asetettu etukäteen alpha
- ei vaikuta otoksen koko, koska se on asetettu etukäteen
- kasvaa useita testejä tai end-pistettä (eli 20 hylkääminen H0 ja 1 on todennäköisesti väärin merkittävä alfa = 0.,05)