Patvaļīgs un patvaļīgs nozīmības līmenis

LPatvaļīgi nozīmīguma līmeņi tiek izlemti pirms kontrasta statistikas aprēķināšanas, un patvaļīgi nozīmīguma līmeņi ir atkarīgi no kontrasta statistikas vērtības, kuras abas ir atkarīgas no sadalījuma, kam seko dati.

Citiem vārdiem sakot, patvaļīgi nozīmīguma līmeņi dažādām testa statistikas vērtībām vienmēr būs vienādi, un atšķirīgie testa statistikas lielumi būs patvaļīgi nozīmīguma līmeņi.

Nav patvaļīgi

Norādot uz jēdzienu, patvaļības pazīme nozīmē, ka pētnieks izvēlas šī jēdziena vērtību. priekšroka (pirms) eksperimenta veikšana, nepaļaujoties uz jebkādu saistītu informāciju.

P-vērtība un ziloņi

Piemēram, pieņemsim, ka mēs vēlamies pārbaudīt ziloņu skaitu pļavā.

Pirms aplūkojam pļavu un faktiski pastāvošos ziloņus, mēs domājam priekšroka ziloņu skaits. Mēs sakām, ka var būt 10 ziloņi. Tātad, mēs ejam uz pļavu un saskaitām redzamo ziloņu skaitu: 1, 2, 3, 4, 5, 6 un 7.

Mūsu nulles hipotēze bija tāda, ka ziloņu skaits pļavā bija vienāds ar 10, un mūsu alternatīvā hipotēze bija tāda, ka to bija mazāk nekā 10. Tātad, ņemot vērā ziloņus, mēs noraidīsim nulles hipotēzi. Bet … ja pļavā ir vēl 3 ziloņi, bet tie ir paslēpti aiz kokiem? Mēs noraidītu mūsu nulles hipotēzi, ja tā varētu būt patiesa, ja ziloņu skaitīšanas vietā mēs būtu aprēķinājuši maksimālo ziloņu skaitu, ko zālājs var uzņemt.

Analīze

Sākumā izvēlētie 10 ziloņi ir bijuši pilnīgi patvaļīgi, jo mēs neesam redzējuši pļavas lielumu un tāpēc nezinām, vai 10 ziloņi ir daudz vai maz.

No otras puses, ja, ņemot vērā pļavas lielumu, mēs aprēķinām maksimālo ziloņu skaitu, ko tā var uzņemt, mēs zināsim, kāda ir maksimālā vērtība, lai nenoraidītu nulles hipotēzi. Tātad atrast reālo skaitli būs daudz vieglāk.

Salīdzinājums

Tas pats attiecas uz nozīmīguma līmeni 1%, 5% un 10%, salīdzinot ar p vērtību. Daudzos kontrastos mēs izvēlamies nozīmīguma līmeni, neņemot vērā citu informāciju, izņemot izplatīšanu. Parasti kā nozīmības pakāpi (alfa) izmanto 5%, atstājot 95% parauga ticamības intervālā.

Nozīmības līmeņa patvaļīgas piešķiršanas problēma ir tā pati problēma, kas mums ir ar ziloņu piemēru. Ja mēs uzskatām, ka ir pareizi piemērot 5% (nozīmības līmenis), mēs varam noraidīt nulles hipotēzi, kad minimālais noraidāmais ir 2% (p-vērtība). Mums būtu kļūdaini rezultāti, vienkārši minimālās noraidāmās vērtības (2%) vietā nosakot 5%.

Citiem vārdiem sakot, mēs secinām, ka pļavā ir mazāk nekā 10 ziloņu, bet patiesībā ir vēl 3 ziloņi, bet tie ir paslēpti. Tātad ir daudz ātrāk aprēķināt, kāds ir maksimālais vai minimālais nozīmības līmenis, par kuru mēs nenoraidītu vai noraidītu nulles hipotēzi.

Noraidīšanas noteikums

Ja vērtība - p < nozīmīguma līmenis => H0 noraidījums.

Ja vērtība - p > nozīmības līmenis => nav noraidījuma H0.