Ve statistickém testování hypotéz je hodnota p (hodnota pravděpodobnosti) mírou pravděpodobnosti nalezení pozorovaných nebo extrémnějších výsledků, když je pravdivá nulová hypotéza daného statistického testu. Hodnota p je primární hodnota používaná ke kvantifikaci statistické významnosti výsledků testu hypotézy Testování hypotézy Testování hypotézy je metoda statistické inference. Slouží k testování, zda je prohlášení týkající se parametru populace správné. Testování hypotéz.
Hlavní interpretací hodnoty p je, zda existuje dostatek důkazů pro odmítnutí nulové hypotézy. Pokud je p-hodnota přiměřeně nízká (menší než úroveň významnosti), můžeme konstatovat, že existuje dostatek důkazů pro odmítnutí nulové hypotézy. Jinak bychom nulovou hypotézu neměli odmítat.
Závěry týkající se testu hypotézy jsou vyvozeny, když je porovnána p-hodnota testu s úrovní významnosti, která hraje roli benchmarku. Nejtypičtější úrovně významnosti jsou 0,10, 0,05 a 0,01. Hladina významnosti 0,05 je považována za konvenční a nejčastěji používanou.
Jak používat hodnotu P při testování hypotéz?
Chcete-li použít hodnotu p při testování hypotéz, postupujte podle následujících kroků:
- Určete úroveň významnosti (α). Úroveň významnosti by obecně měla být zvolena během prvních kroků návrhu testu hypotézy. Mezi nejčastější úrovně významnosti patří 0,10, 0,05 a 0,01.
- Vypočítejte hodnotu p. Existuje řada softwarových aplikací, které nabízejí výpočet. Například Microsoft Excel umožňuje výpočet hodnoty p pomocí nástroje Data Analysis ToolPak.
- Porovnejte získanou p-hodnotu s hladinou významnosti (α) a vyvodte příslušné závěry. Obecným pravidlem je, že pokud je číslo menší než úroveň významnosti, existuje dostatek důkazů k odmítnutí nulové hypotézy experimentu.
Stupeň statistické významnosti se obvykle liší v závislosti na úrovni významnosti. Například hodnota p, která je vyšší než 0,05, je považována za statisticky významnou, zatímco hodnota menší než 0,01 je považována za vysoce statisticky významnou.
Nesprávné interpretace hodnoty P.
Ve statistice Základní pojmy statistiky pro finance Dobré pochopení statistik je zásadně důležité, aby nám pomohlo lépe pochopit finance. Statistické koncepty navíc mohou pomoci investorům sledovat, hodnotu p lze skutečně považovat za jeden z nejčastěji mylně interpretovaných konceptů. Největší mylná představa o konceptu je, že je pravděpodobnost, že nulová hypotéza je pravdivá (nebo je pravděpodobnost, že alternativní hypotéza je nepravdivá).
Ve skutečnosti hodnota p neurčuje pravděpodobnost platnosti nulové hypotézy, ale pouze naznačuje pravděpodobnost, že se setkáte s výsledky studie alespoň tak extrémně, jako jsou skutečně pozorované výsledky, pokud je nulová hypotéza pravdivá. Jinými slovy, naznačuje to pravděpodobnost, že budete mít dostatek důkazů k odmítnutí nebo neodmítnutí nulové hypotézy.
Dodatečné zdroje
Finance nabízí analytika pro finanční modelování a oceňování (FMVA) ™ Certifikace FMVA®. Připojte se k více než 350 600 studentům, kteří pracují pro společnosti jako Amazon, J.P. Morgan a certifikační program Ferrari pro ty, kteří chtějí posunout svou kariéru na další úroveň. Chcete-li se neustále učit a rozvíjet svou kariéru, budou užitečné následující finanční zdroje:
- Očekávaná hodnota Očekávaná hodnota Očekávaná hodnota (známá také jako EV, očekávání, průměr nebo střední hodnota) je dlouhodobá průměrná hodnota náhodných proměnných. Očekává se také hodnota
- Neparametrické testy Neparametrické testy Ve statistice jsou neparametrické testy metody statistické analýzy, které nevyžadují rozdělení, aby splňovaly požadované předpoklady, které mají být analyzovány
- Předpětí výběru vzorku Předpětí výběru vzorku Předpětí výběru vzorku je vychýlení, které je výsledkem selhání zajištění správné randomizace vzorku populace. Chyby výběru vzorku
- Pravidlo celkové pravděpodobnosti Pravidlo celkové pravděpodobnosti Pravidlo celkové pravděpodobnosti (známé také jako zákon o celkové pravděpodobnosti) je základním pravidlem ve statistice týkající se podmíněných a mezních
