Mi az a P-teszt?
A P-teszt statisztikai módszer, amely a nullhipotézis érvényességét teszteli, amely egy populációval kapcsolatban általánosan elfogadott állítást állít fel. Noha a null kifejezés kissé félrevezető, a cél az elfogadott tény kipróbálása annak megcáfolására vagy érvénytelenítésére. A P-teszt olyan bizonyítékokat szolgáltathat, amelyek elutasíthatják vagy elutasíthatják (a statisztika „nem meggyőző”), egy széles körben elfogadott állítást.
Kulcs elvihető
- A P-teszt egy statisztikai módszer, amely a nullhipotézis érvényességét teszteli, amely egy populációval kapcsolatban általánosan elfogadott állítást állít fel. Minél kisebb a p-érték, annál erősebb bizonyíték van arra, hogy a nullhipotézist el kell utasítani, és hogy az alternatív hipotézis A P-teszt statisztikája általában a normál normál eloszlást követi, ha nagy mintaméretet használnak.
A P-teszt megértése
A P-teszt olyan értéket számít ki, amely lehetővé teszi a kutató számára az elfogadott állítás hitelességének meghatározását. A megfelelő p-értéket összehasonlítják egy olyan statisztikailag szignifikáns szinttel (konfidencia szint), alfa (α), amelyet a kutató az eredmények véletlenszerűségének mérésére választott. A P-teszt statisztikája általában a normál normál eloszlást követi, ha nagy mintaméretet használnak.
A kutatók általában az 5% vagy ennél alacsonyabb alfa-szintet választják, ami 95% -os vagy annál magasabb megbízhatósági szintet jelent. Más szavakkal: ha az p-érték kevesebb, mint 5% alfa-szint, akkor 95% -nál nagyobb esély van arra, hogy az eredmények nem véletlenszerűek, ezáltal növelve az eredmények jelentőségét. Ez a bizonyíték lehetővé teszi a kutató számára a nulla hipotézis elutasítását.
- Minél kisebb a p-érték (p-érték <alfa), annál erősebb bizonyíték van arra, hogy a nullhipotézist el kell utasítani, és hogy az alternatív hipotézis valószínűbb lehet. Minél nagyobb a p-érték (p-érték> alfa), annál jobb a bizonytalanság a nullhipotézis ellen, vagyis azt nem lehet elutasítani, ami a vizsgálatot nem vonja le.
A hipotézis teszt elvégzésekor egy állítás validálására a kutató két hipotézist állít fel - null (H 0) és alternatív (H 1). A null- és alternatív hipotézisek megfogalmazása kulcsfontosságú annak a hasznosságnak, amelyet a P-teszt kínálhat a kutató számára.
A nullhipotézis egy általánosan elfogadott hitet vagy feltevést állít fel, amelyet a kutató tesztel, hogy meg tudja tudni utasítani. A megértés kulcsfontosságú tényezője, hogy a kutató mindig akarja elutasítani a nullhipotézist, és a P-teszt segíti őket e cél elérésében. Megjegyzendő még, hogy ha a P-teszt nem utasítja el a nullhipotézist, akkor a teszt nem egyértelmû, és semmiképpen sem jelenti a nullhipotézis megerõsítését.
Az alternatív hipotézis a kutató által a vizsgált jelenség jobb magyarázataként alkalmazott eltérő magyarázat. Mint ilyen, ennek kell lennie az egyetlen vagy a lehető legjobb alternatív magyarázatnak. Ilyen módon, ha a p-érték validálja a nullhipotézis elutasítását, akkor az alternatív hipotézis hitelesnek tekinthető.
Z-teszt és T-teszt
A statisztikai tesztelés általános és leegyszerűsített típusa a z-teszt, amely a minta középértékének statisztikai szignifikanciáját teszteli a feltételezett populációs középértékhez viszonyítva, de megköveteli, hogy a populáció szórása ismert legyen, ami gyakran nem lehetséges. A t-teszt realisztikusabb típusú teszt, mivel csak a minta szórását igényli, szemben a populáció standard eltérésével.
Annak megértése, hogy a statisztikák hogyan befolyásolhatják a termékfejlesztést, különös tekintettel a biotechnológiára, nagyon hasznos lehet arra, hogy a befektetőket tájékozottabb befektetési döntések meghozatalához vezessen. Például az ígéretes gyógyszer klinikai vizsgálatának statisztikai eredményeinek alapvető megértése felbecsülhetetlen értékű lehet a biotechnológiai alapanyagok potenciális hozamának értékelésekor.
