P-тест

Что такое P-тест?

P-тест — это статистический метод, который проверяет достоверность нулевой гипотезы, которая устанавливает общепринятые утверждения о популяции. Хотя термин «ноль» немного вводит в заблуждение, цель состоит в том, чтобы проверить принятый факт, пытаясь опровергнуть или аннулировать его. P-тест может предоставить доказательства, которые могут либо опровергнуть, либо не опровергнуть (статистика говорит о «неубедительности») широко признанное утверждение.

Понимание P-теста

P-тест вычисляет значение, которое позволяет исследователю определить достоверность принятого утверждения. Соответствующее значение p сравнивается со статистически значимым уровнем (уровнем достоверности), альфа (α), который исследователь выбрал для оценки случайности результатов. Статистика P-критерия обычно следует стандартному нормальному распределению при использовании больших размеров выборки.

Исследователи обычно выбирают альфа-уровни 5% или ниже, что соответствует уровню уверенности 95% или выше. Другими словами, значение p менее 5% альфа-уровня означает, что вероятность того, что ваши результаты не являются случайными, превышает 95% , что повышает значимость ваших результатов. Это свидетельство, которое позволило бы исследователю отвергнуть нулевую гипотезу .

• Чем меньше p-значение (p-value <alpha), тем сильнее доказательство того, что нулевая гипотеза должна быть отклонена и что альтернативная гипотеза может быть более достоверной.
• Чем больше p-значение (p-value> alpha), тем слабее свидетельство против нулевой гипотезы, что означает, что она не может быть отклонена, что делает тест неубедительным.

При проведении проверки гипотезы для подтверждения утверждения исследователь постулирует две гипотезы — нулевую (H 0 ) и альтернативную (H 1 ). Формулирование нулевой и альтернативной гипотез — ключ к полезности, которую P-тест может предложить исследователю.

Нулевая гипотеза устанавливает общепринятое мнение или предпосылку, которую исследователь проверяет, чтобы увидеть, могут ли они ее отвергнуть. Ключевым моментом для понимания является то, что исследователь хочет всегда отвергать нулевую гипотезу, и P-тест помогает ему в достижении этой цели. Еще один момент, на который следует обратить внимание, заключается в том, что если P-тест не может отклонить нулевую гипотезу, тогда тест считается неубедительным и никоим образом не предназначен для подтверждения нулевой гипотезы.

Альтернативная гипотеза — это другое объяснение, предложенное исследователем для лучшего объяснения изучаемого явления. Таким образом, это должно быть единственное или наилучшее возможное альтернативное объяснение. Таким образом, если значение p подтверждает отклонение нулевой гипотезы, тогда альтернативная гипотеза может рассматриваться как достоверная.

Z-тест и T-тест

Распространенным и упрощенным типом статистического тестирования является z-тест , который проверяет статистическую значимость выборочного среднего по отношению к предполагаемому среднему значению совокупности, но требует, чтобы было известно стандартное отклонение совокупности, что часто невозможно. Т-тест является более реалистичным тип теста в том , что она требует только стандартное отклонение выборки , в отличие от стандартного отклонения населения.

Понимание того, как статистика может повлиять на разработку продуктов, особенно в биотехнологии, может быть весьма полезным, чтобы побудить инвесторов принимать более обоснованные инвестиционные решения. Например, базовое понимание статистических результатов клинических испытаний перспективного лекарственного препарата может быть неоценимым при оценке потенциальной прибыли биотехнологических акций.