Vid statistisk hypotesprovning är p-värdet (sannolikhetsvärde) ett sannolikhetsmått för att hitta de observerade, eller mer extrema, resultaten, när nollhypotesen för ett givet statistiskt test är sant. P-värdet är ett primärt värde som används för att kvantifiera den statistiska signifikansen av resultaten av ett hypotes-test. Hypotes-testning Hypotes-testning är en metod för statistisk inferens. Den används för att testa om ett uttalande om en populationsparameter är korrekt. Hypotes testning.
Huvudtolkningen av p-värdet är om det finns tillräckligt med bevis för att avvisa nollhypotesen. Om p-värdet är ganska lågt (mindre än signifikansnivån) kan vi konstatera att det finns tillräckligt med bevis för att avvisa nollhypotesen. Annars bör vi inte avvisa nollhypotesen.
Slutsatserna om hypotesprovet dras när p-värdet av ett test jämförs med nivån av betydelse, som spelar rollen som ett riktmärke. De mest typiska signifikansnivåerna är 0,10, 0,05 och 0,01. Betydelsenivån på 0,05 anses vara konventionell och den vanligaste.
Hur man använder P-värde vid hypotesprovning?
Följ stegen nedan för att använda p-värdet vid hypotesprovning:
- Bestäm din nivå av betydelse (α). Betydelsegraden bör generellt väljas under de första stegen i utformningen av ett hypotesprov. De vanligaste nivåerna av betydelse inkluderar 0,10, 0,05 och 0,01.
- Beräkna p-värdet. Det finns många program som erbjuder beräkningen. Till exempel tillåter Microsoft Excel beräkning av p-värdet med hjälp av Data Analysis ToolPak.
- Jämför det erhållna p-värdet med signifikansnivån (α) och dra relevanta slutsatser. Den allmänna regeln här är om figuren är mindre än nivån av betydelse, så finns det tillräckligt med bevis för att avvisa nollhypotesen för ett experiment.
Graden av statistisk signifikans varierar vanligtvis beroende på signifikansnivån. Till exempel anses ett p-värde som är mer än 0,05 vara statistiskt signifikant medan en siffra som är mindre än 0,01 ses som mycket statistiskt signifikant.
Felaktiga tolkningar av P-värdet
I statistik Grundläggande statistikbegrepp för ekonomi En solid förståelse för statistik är av avgörande betydelse för att hjälpa oss att bättre förstå finans. Dessutom kan statistikbegrepp hjälpa investerare att övervaka, p-värdet kan verkligen betraktas som ett av de vanligaste misstolkade begreppen. Den största missuppfattningen om begreppet är att det är en sannolikhet att nollhypotesen är sann (eller det är en sannolikhet att den alternativa hypotesen är falsk).
I verkligheten bestämmer inte p-värdet sannolikheten för att nollhypotesen ska vara sant utan indikerar bara sannolikheten att möta resultaten av en studie minst lika extrema som de faktiskt observerade resultaten om nollhypotesen är sant. Med andra ord indikerar det sannolikheten att ha tillräckligt med bevis för att avvisa eller inte förkasta nollhypotesen.
Ytterligare resurser
Finance erbjuder Financial Modelling & Valuation Analyst (FMVA) ™ FMVA®-certifiering. Gå med i 350 600 studenter som arbetar för företag som Amazon, JP Morgan och Ferrari-certifieringsprogram för dem som vill ta sin karriär till nästa nivå. För att fortsätta lära och utveckla din karriär kommer följande finansresurser att vara till hjälp:
- Förväntat värde Förväntat värde Förväntat värde (även känt som EV, förväntan, medelvärde eller medelvärde) är ett långsiktigt medelvärde av slumpmässiga variabler. Det förväntade värdet indikerar också
- Icke-parametriska tester Icke-parametriska tester I statistik är icke-parametriska tester metoder för statistisk analys som inte kräver en fördelning för att uppfylla de antaganden som ska analyseras.
- Provval Bias Exempelval Bias Provval bias är den bias som härrör från misslyckandet med att säkerställa korrekt randomisering av ett populationsprov. Bristerna i urvalet av prov
- Total sannolikhetsregel Total sannolikhetsregel Total sannolikhetsregel (även känd som lagen om total sannolikhet) är en grundläggande regel i statistik relaterad till villkorad och marginal
