Testy hypotéz nebo testy významnosti zahrnují výpočet čísla známého jako p-hodnota. Toto číslo je velmi důležité pro uzavření našeho testu. Hodnoty P se vztahují ke statistice testu a poskytují nám měření důkazů proti nulové hypotéze.
Nulové a alternativní hypotézy
Všechny testy statistické významnosti začínají a nulová a alternativní hypotéza. Nulová hypotéza je prohlášení o neúčinnosti nebo prohlášení o běžně přijímaném stavu věcí. Alternativní hypotéza je to, co se pokoušíme dokázat. Pracovní předpoklad v testu hypotéz je, že nulová hypotéza je pravdivá.
Statistický test
Budeme předpokládat, že jsou splněny podmínky pro konkrétní test, se kterým pracujeme. A jednoduchý náhodný vzorek dává nám ukázková data. Z těchto dat můžeme vypočítat statistiku testu. Statistiky testů se velmi liší v závislosti na tom, jaké parametry se náš test hypotéz týká. Některé běžné statistické testy zahrnují:
- z - statistika pro testy hypotéz týkající se průměrné populace, když známe standardní směrodatnou odchylku populace.
- t - statistika pro testy hypotéz týkající se průměrnosti populace, když neznáme směrodatnou odchylku populace.
- t - statistika pro testy hypotéz týkající se rozdílu dvou nezávislých průměrů populace, když neznáme standardní odchylku jedné z těchto dvou populací.
- z - statistika pro testy hypotéz týkající se podílu populace.
- Chi-square - statistika pro testy hypotéz ohledně rozdílu mezi očekávaným a skutečným počtem kategoriálních dat.
Výpočet hodnot P
Statistiky testů jsou užitečné, ale může být užitečné přiřadit těmto statistikám p-hodnotu. Hodnota p je pravděpodobnost, že pokud by byla nulová hypotéza pravdivá, sledovali bychom statistiku alespoň tak extrémní, jako ta pozorovaná. K výpočtu hodnoty p používáme vhodný software nebo statistickou tabulku, která odpovídá naší statistice testu.
Například bychom použili standardní normální rozdělení při výpočtu a z statistika testu. Hodnoty z s velkými absolutními hodnotami (jako jsou hodnoty nad 2,5) nejsou příliš běžné a dávají malou hodnotu p. Hodnoty z které jsou blíže nule, jsou běžnější a dávají mnohem větší p-hodnoty.
Interpretace hodnoty P
Jak jsme si poznamenali, p-hodnota je pravděpodobnost. To znamená, že se jedná o skutečné číslo od 0 a 1. Zatímco statistika testu je jedním ze způsobů, jak měřit, jak extrémní je statistika pro konkrétní vzorek, p-hodnoty jsou dalším způsobem měření.
Když získáme daný statistický vzorek, je třeba si vždy položit otázku: „Je tento vzorek náhodný sám s pravdivou nulovou hypotézou, nebo je nulová hypotéza nepravdivá? “ Pokud je naše p-hodnota malá, mohlo by to znamenat jednu ze dvou věci:
- Nulová hypotéza je pravda, ale při získávání našeho pozorovaného vzorku jsme měli jen velké štěstí.
- Náš vzorek je způsob, jakým je to kvůli skutečnosti, že nulová hypotéza je nepravdivá.
Obecně platí, že čím menší je p-hodnota, tím více důkazů máme proti naší nulové hypotéze.
Jak malý je dost?
Jak malé hodnoty p potřebujeme, abychom to dokázali odmítnout nulovou hypotézu? Odpověď na to zní: „Záleží.“ Obecným pravidlem je, že p-hodnota musí být menší nebo rovna 0,05, ale na této hodnotě není nic univerzálního.
Obvykle před provedením testu hypotéz volíme prahovou hodnotu. Pokud máme jakoukoli p-hodnotu, která je menší nebo rovna této prahové hodnotě, odmítáme nulovou hypotézu. Jinak nedokážeme odmítnout nulovou hypotézu. Tato prahová hodnota se nazývá úroveň významnosti našeho testu hypotéz a je označena řeckým písmenem alfa. Tady není žádný hodnota alfa který vždy definuje statistickou významnost.