P-érték - definíció, használat és félremagyarázások

A statisztikai hipotézis tesztelés során a p-érték (valószínűségi érték) annak a valószínűségnek a mértéke, hogy megtalálja a megfigyelt vagy szélsőségesebb eredményeket, ha az adott statisztikai teszt nullhipotézise igaz. A p-érték az elsődleges érték, amelyet a hipotézis-teszt eredményeinek statisztikai szignifikanciájának számszerűsítésére használnak. Hipotézis-teszt A hipotézis-teszt a statisztikai következtetések módszere. Arra használják, hogy teszteljék-e a populációs paraméterre vonatkozó állításokat. Hipotézis tesztelés.

P-érték

A p-érték fő értelmezése az, hogy van-e elegendő bizonyíték a nullhipotézis elutasítására. Ha a p-érték ésszerűen alacsony (kisebb, mint a szignifikancia szintje), kijelenthetjük, hogy elegendő bizonyíték áll rendelkezésre a nullhipotézis elutasításához. Ellenkező esetben nem szabad elutasítanunk a nullhipotézist.

A hipotézis tesztre vonatkozó következtetéseket akkor vonjuk le, amikor a teszt p-értékét összehasonlítjuk a szignifikancia szintjével, amely a benchmark szerepét tölti be. A szignifikancia legjellemzőbb szintje 0,10, 0,05 és 0,01. A 0,05-ös szignifikancia szintet hagyományosnak tekintik, és a leggyakrabban használt.

Hogyan lehet felhasználni a P-értéket a hipotézis tesztelésében?

A p-érték hipotézis teszteléséhez történő felhasználásához kövesse az alábbi lépéseket:

  1. Határozza meg a szignifikancia szintjét (α). A szignifikancia szintjét általában a hipotézis teszt tervezésének első lépései során kell megválasztani. A szignifikancia leggyakoribb szintje a 0,10, 0,05 és 0,01.
  2. Számítsa ki a p-értéket. Számos szoftveralkalmazás kínálja a számítást. Például a Microsoft Excel lehetővé teszi a p-érték kiszámítását az Adatelemző ToolPak segítségével.
  3. Hasonlítsa össze a kapott p-értéket a szignifikancia szintjével (α), és vonja le a vonatkozó következtetéseket. Itt az általános szabály az, ha az ábra kisebb, mint a szignifikancia szintje, akkor elegendő bizonyíték áll rendelkezésre a kísérlet nullhipotézisének elutasításához.

A statisztikai szignifikancia mértéke általában a szignifikancia szintjétől függően változik. Például a 0,05-nél nagyobb p-értéket statisztikailag szignifikánsnak tekintik, míg a 0,01-nél kisebb értéket statisztikailag szignifikánsnak tekintik.

A P-érték félreértelmezése

A statisztikákban A pénzügyi statisztikák alapfogalmai A statisztika alapos megértése alapvető fontosságú a pénzügyek jobb megértésében. Ezenkívül a statisztikai fogalmak segíthetik a befektetőket a monitorozásban, a p-érték valóban a leggyakrabban félreértelmezett fogalmak egyikének tekinthető. A koncepcióval kapcsolatos legnagyobb tévhit az, hogy valószínűsíthető, hogy a nullhipotézis igaz (vagy valószínű, hogy az alternatív hipotézis hamis).

A valóságban a p-érték nem határozza meg a nullhipotézis valószínűségét, hogy igaz legyen, csupán azt jelzi, hogy egy tanulmány eredményeivel legalább annyira szélsőségesen találkozhatunk, mint a ténylegesen megfigyelt eredmények, ha a nullhipotézis igaz. Más szavakkal, jelzi annak valószínűségét, hogy elegendő bizonyíték áll rendelkezésre a nullhipotézis elutasításához vagy elutasításához.

További források

A Finance felajánlja a pénzügyi modellezés és értékbecslés elemzőjének (FMVA) ™ FMVA® tanúsítását. Csatlakozzon 350 600+ hallgatóhoz, akik olyan vállalatoknál dolgoznak, mint az Amazon, a JP Morgan és a Ferrari tanúsító program azok számára, akik karrierjüket a következő szintre akarják vinni. A tanulás és a karrier előrehaladása érdekében a következő pénzügyi források lesznek hasznosak:

  • Várható érték Várható érték A várható érték (más néven EV, várakozás, átlag vagy átlagérték) a véletlen változók hosszú távú átlagos értéke. A várható érték is jelzi
  • Nem paraméteres tesztek Nem paraméteres tesztek A statisztikában a nem paraméteres tesztek olyan statisztikai elemzési módszerek, amelyek nem igényelnek elosztást az elemzéshez szükséges feltételezések teljesítéséhez
  • Minta kiválasztási torzítás Minta kiválasztási torzítás A minta kiválasztási torzítás az a torzítás, amely abból adódik, hogy nem sikerült biztosítani a populációs minta megfelelő randomizálását. A minta kiválasztásának hibái
  • A teljes valószínűség szabálya A teljes valószínűség szabály A teljes valószínűség szabály (más néven a teljes valószínűség törvénye) a feltételes és a marginális statisztikák alapvető szabálya.

Legutóbbi hozzászólások