P値
統計的仮説検定のための p 値を計算する
P値の使い方
- 1統計的および自由(または効果およびサンプル)のテストを書き入れて下さい。
- 2テールタイプ: 1 つまたは 2 つを選択します。
- 3選択したアルファの下に重要な p 値とかどうかを確認します。
p値を理解する
p = P (テスト統計, ソリウム観測, ソリウムH0セット)p 元の仮定が確立されたときサンプルが観察されたとき、値が少なくとも極端な結果の確率です。
小さな p 値(設定したアルファが通常 0.05 以下)は、元の仮定で観察が起こらないことを示します。H0 は拒否されます。
P 値は、元の仮定が真の場合、現在の (またはより極端な) を観察する確率を正確に定義します。** 「元の仮定は現実の確率」または「誤った結論の確率」ではないことに注意してください** これは統計的に最も誤った文章です。 P = 0.03 は「2つのグループ間で本当に違いがない場合、確率の3%だけは「97%が差があることを確かめる」ではなく、そのような違いを見ることです。
エラーのもう1つの一般的な領域は、P < 0.05 を "高い効果" として使用することです。 P 値は、** と** の両方の影響を受けます。 たとえば、2つのグループは0.1センチメートルの高さで、Psは10万人のサンプルでは0.05よりもはるかに小さいかもしれませんが、違いは意味がありません。 メニュー したがって、結果は、効果(Cohen's d、相対リスクなど)と自信の間隔(**)と同じ時間で報告され、P 値だけで簡単に誤解を招く結論を得ることができます。
| Pの範囲 | 証拠の強度 | 共通表現 | 典型的な決定 |
|---|---|---|---|
| > 0.10 | 元の仮定に反対する証拠無し | 重要ではない | H0を注入しません |
| 0.05 – 0.10 | 証拠を弱める | エッジは重要です。 | より多くのデータが必要 |
| 0.01 – 0.05 | 媒体証拠 | 重要なお知らせ | H0を注入して下さい |
| 0.001 – 0.01 | 強力な証拠。 | 高い | H0を注入して下さい |
| < 0.001 | 極端な証拠。 | 非常に重要な。 | H0を注入して下さい |
著名なレベルのP値と一般的に使用される解釈
よくある質問
P < 0.05は理論を証明できますか?
いいえ、元の仮説に対する証拠ではなく、実際の確率の理論ではありません。
シングルとダブル?
両端にダブルテールアルファ。前方方向がある場合のみ、シングルテール。
アルファとは?
あなたは、偽陽性を制御するために、一般的に0.05、プリセットの高プロファイルしきい値を設定します。
P 差がないという意味ではありませんか?
と言うことはできません。 `unvisible' は、現在のデータは元の仮定を拒否するのに十分ではないことを意味します。それは違いがないこと、または不十分なサンプルサイズ(統計的に有効でない)があることが本当かもしれません。 正しい表現は「違いが証明されていない」ではなく「重要な違いが検出されない」。 「Equivalence」の結論は特定の等価テスト(TOST)を要求し、事前調整は等価の許容レベルを必要とします。
複数のテストで何が間違っていますか?
偽陽性の数が増えます。 0.05の1つのテストしきい値が実行されると、20個の独立したテストが実行され、1つのP < 0.05が期待されます。 マルチコンパリソンの問題と呼ばれています。 通常の補正方法は、Bonferroni(0.0025など、テストの数による閾値の分離)またはFDR(mistake率、Benjamin-Hochbergメソッド、よりliberalとより一般的な)を制御することです。