Jaka jest różnica między wartościami alfa i P?

AndreaObzerova/Getty Images

Przeprowadzając test istotności lub test hipotezy , są dwie liczby, które łatwo pomylić. Liczby te można łatwo pomylić, ponieważ są to liczby od zera do jednego i oba są prawdopodobieństwami. Jedna liczba nazywana jest wartością p statystyki testowej. Inną liczbą zainteresowania jest poziom istotności lub alfa. Zbadamy te dwa prawdopodobieństwa i określimy różnicę między nimi.

Wartości alfa

Liczba alfa to wartość progowa, którą mierzymy wartości p przeciwko. Mówi nam, jak skrajne muszą być obserwowane wyniki, aby odrzucić hipotezę zerową testu istotności.

Wartość alfa jest powiązana z poziomem ufności naszego testu. Poniżej wymieniono niektóre poziomy ufności wraz z powiązanymi z nimi wartościami alfa:

• W przypadku wyników z 90-procentowym poziomem ufności wartość alfa wynosi 1 — 0,90 = 0,10.
• Dla wyników z 95 procentami poziom ufności , wartość alfa wynosi 1 — 0,95 = 0,05.
• W przypadku wyników z 99-procentowym poziomem ufności wartość alfa wynosi 1 — 0,99 = 0,01.
• Ogólnie rzecz biorąc, dla wyników z procentowym poziomem ufności C, wartość alfa wynosi 1 — C/100.

Chociaż w teorii i praktyce wiele liczb może być użytych do alfa, najczęściej używa się 0,05. Powodem tego jest zarówno to, że konsensus pokazuje, że ten poziom jest odpowiedni w wielu przypadkach, jak i historycznie był akceptowany jako standard. Istnieje jednak wiele sytuacji, w których należy użyć mniejszej wartości alfa. Nie ma jednej wartości alfa to zawsze determinuje istotność statystyczną.

Wartość alfa daje nam prawdopodobieństwo a typ I błąd . Błędy typu I pojawiają się, gdy odrzucamy hipotezę zerową, która jest rzeczywiście prawdziwa. Tak więc, na dłuższą metę, dla testu zpoziom istotności0,05 = 1/20, prawdziwa hipoteza zerowa zostanie odrzucona raz na 20 razy.

Wartości P

Druga liczba będąca częścią testu istotności to wartość p. Wartość p jest również prawdopodobieństwem, ale pochodzi z innego źródła niż alfa. Każda statystyka testowa ma odpowiednie prawdopodobieństwo lub wartość p. Ta wartość jest prawdopodobieństwem, że zaobserwowana statystyka pojawiła się przypadkowo, przy założeniu, że hipoteza zerowa jest prawdziwa.

Ponieważ istnieje wiele różnych statystyk testowych, istnieje wiele różnych sposobów na znalezienie wartości p. W niektórych przypadkach musimy znać rozkład prawdopodobieństwa populacji.​​

Wartość p statystyki testowej jest sposobem na określenie, jak ekstremalna jest ta statystyka dla naszych przykładowych danych. Im mniejsza wartość p, tym bardziej nieprawdopodobna jest obserwowana próbka.

Różnica między wartością P a alfa

Aby określić, czy obserwowany wynik jest statystycznie istotny, porównujemy wartości alfa i p-value. Pojawiają się dwie możliwości:

• Wartość p jest mniejsza lub równa alfa. W tym przypadku odrzucamy hipotezę zerową. Kiedy tak się dzieje, mówimy, że wynik jest istotny statystycznie. Innymi słowy, jesteśmy dość pewni, że istnieje coś oprócz samego przypadku, co dało nam zaobserwowaną próbkę.
• Wartość p jest większa niż alfa. W tym przypadku nie udaje nam się odrzucić Hipoteza zerowa . Kiedy tak się dzieje, mówimy, że wynik nie jest istotny statystycznie. Innymi słowy, jesteśmy dość pewni, że nasze zaobserwowane dane można wytłumaczyć samym przypadkiem.

Implikacja powyższego jest taka, że ​​im mniejsza jest wartość alfa, tym trudniej jest stwierdzić, że wynik jest istotny statystycznie. Z drugiej strony, im większa wartość alfa, tym łatwiej jest stwierdzić, że wynik jest istotny statystycznie. W połączeniu z tym jest jednak większe prawdopodobieństwo, że to, co zaobserwowaliśmy, można przypisać przypadkowi.