P-test
En P-test er en statistisk metode, der tester gyldigheden af nulhypotesen, der angiver et almindeligt accepteret påstand om en population. Selvom udtrykket null er lidt vildledende, er målet at teste accepteret kendsgerning ved at forsøge at modbevise eller annullere det. P-testen kan give de beviser, der enten kan afvise eller undlade at afvise (statistik taler for 'uomstrækkelig') et bredt accepteret krav.
Key takeaways
- En P-test er en statistisk metode, der tester gyldigheden af nulhypotesen, der angiver et almindeligt accepteret påstand om en population.
- Jo mindre p-værdi, desto stærkere er beviset for, at nulhypotesen skal afvises, og at den alternative hypotese måske er mere troværdig.
- P-teststatistikken følger typisk en standard normalfordeling, når der anvendes store prøvestørrelser.
Forståelse af P-test
En P-test beregner en værdi, der gør det muligt for forskeren at bestemme troværdigheden af det accepterede krav. Den tilsvarende p-værdi sammenlignes med et statistisk signifikant niveau (konfidensniveau), alfa (α), som forskeren har valgt at måle resultaternes tilfældighed. P-teststatistikken følger typisk en standard normalfordeling, når der anvendes store prøvestørrelser.
Forskere vælger normalt alfa-niveauer på 5% eller lavere, hvilket svarer til konfidensniveauer på 95% eller derover. Med andre ord betyder en p-værdi mindre end et alfa-niveau på 5%, at der er større end 95% chance for, at dine resultater ikke er tilfældige, hvilket forbedrer betydningen af dine resultater. Dette er beviset, der ville gøre det muligt for forskeren at afvise nulhypotesen.
- Jo mindre p-værdi (p-værdi <alfa), jo stærkere er beviset for, at nulhypotesen skal afvises, og at den alternative hypotese måske er mere troværdig.
- Jo større p-værdi (p-værdi> alfa), desto svagere er beviset for nulhypotesen, hvilket betyder, at den ikke kan afvises, hvilket gør testen uoverensstemmende.
Ved udførelse af en hypotesetest for validering af en påstand postulerer forskeren to hypoteser - null (H 0 ) og alternativ (H 1 ). Formulering af nul og alternativ hypotese er nøglen til nytten, som en P-test kan tilbyde forskeren.
Nullhypotesen angiver en almindelig tro eller antagelse, som forskeren tester for at se, om de kan afvise den. Det centrale punkt at forstå er, at forskeren altid ønsker at afvise nulhypotesen, og P-testen hjælper dem med at nå dette mål. Et andet punkt at bemærke er, at hvis P-testen ikke afviser nullhypotesen, betragtes testen som uoverensstemmende og er på ingen måde beregnet til at være en bekræftelse af nullhypotesen.
Den alternative hypotese er forskellig forklaring fra forskeren for bedre at forklare det fænomen, der undersøges. Som sådan skal det være den eneste eller den bedst mulige alternative forklaring. På denne måde, hvis p-værdien validerer en afvisning af nullhypotesen, kan den alternative hypotese ses som værende troværdig.
Z-test og T-test
En almindelig og forenklet type statistisk test er en z-test, der tester den statistiske betydning af et prøveeksempel til det hypotetiske populationsmiddelværdi, men kræver, at standardafvigelsen for populationen kendes, hvilket ofte ikke er muligt. T-testen er en mere realistisk type test, idet den kun kræver standardafvigelsen for prøven i modsætning til befolkningens standardafvigelse.
At forstå, hvordan statistikker kan påvirke produktudviklingen, især inden for bioteknologi, kan være meget nyttigt til at guide investorer til at træffe mere informerede investeringsbeslutninger. For eksempel kan en grundlæggende forståelse af de statistiske resultater for et lovende lægemiddels kliniske forsøg være uvurderlig i vurderingen af et biotek-bestands potentielle afkast.
Sammenlign Navn på udbydere af investeringskonti Beskrivelse Annoncørens viden × De tilbud, der vises i denne tabel, er fra partnerskaber, hvorfra Investopedia modtager kompensation.