Dalam pengujian hipotesis statistik, nilai p (nilai kebarangkalian) adalah ukuran kebarangkalian untuk mencari hasil yang diperhatikan, atau lebih ekstrem, apabila hipotesis nol ujian statistik tertentu adalah benar. Nilai p adalah nilai utama yang digunakan untuk mengukur kepentingan statistik hasil ujian hipotesis Pengujian hipotesis Pengujian hipotesis adalah kaedah inferensi statistik. Ia digunakan untuk menguji apakah pernyataan mengenai parameter populasi betul. Ujian hipotesis.
Tafsiran utama nilai p adalah adakah bukti yang cukup untuk menolak hipotesis nol. Sekiranya nilai p cukup rendah (kurang dari aras keertian), kita dapat menyatakan bahawa terdapat bukti yang cukup untuk menolak hipotesis nol. Jika tidak, kita tidak boleh menolak hipotesis nol.
Kesimpulan mengenai ujian hipotesis diambil apabila nilai p ujian dibandingkan dengan tahap kepentingan, yang memainkan peranan sebagai penanda aras. Tahap keertian yang paling tipikal ialah 0.10, 0.05, dan 0.01. Tahap keertian 0.05 dianggap konvensional dan paling biasa digunakan.
Bagaimana Menggunakan Nilai P dalam Ujian Hipotesis?
Untuk menggunakan nilai p dalam pengujian hipotesis, ikuti langkah-langkah di bawah:
- Tentukan tahap kepentingan anda (α). Tahap kepentingan umumnya harus dipilih semasa langkah pertama reka bentuk ujian hipotesis. Tahap keertian yang paling biasa merangkumi 0.10, 0.05, dan 0.01.
- Hitungkan nilai p. Terdapat banyak aplikasi perisian yang menawarkan pengiraan. Sebagai contoh, Microsoft Excel membolehkan pengiraan nilai p menggunakan Data Analysis ToolPak.
- Bandingkan nilai p yang diperoleh dengan tahap keertian (α) dan buat kesimpulan yang relevan. Peraturan umum di sini adalah jika angka itu kurang dari aras keertiannya, maka ada bukti yang mencukupi untuk menolak hipotesis nol dari eksperimen.
Tahap kepentingan statistik secara amnya berbeza bergantung pada tahap kepentingan. Sebagai contoh, nilai p yang melebihi 0,05 dianggap signifikan secara statistik manakala angka yang kurang dari 0,01 dilihat sebagai signifikan secara statistik.
Salah tafsiran nilai P
Dalam statistik Konsep Statistik Asas untuk Kewangan Pemahaman yang kukuh mengenai statistik sangat penting dalam membantu kita memahami kewangan dengan lebih baik. Lebih-lebih lagi, konsep statistik dapat membantu para pemantau memantau, nilai p dapat benar-benar dianggap sebagai salah satu konsep yang paling sering disalahtafsirkan. Kesalahpahaman terbesar mengenai konsep ini adalah kemungkinan hipotesis nol adalah benar (atau kebarangkalian hipotesis alternatif adalah salah).
Pada hakikatnya, nilai p tidak menentukan kebarangkalian hipotesis nol itu benar tetapi hanya menunjukkan kebarangkalian untuk menemui hasil kajian sekurang-kurangnya ekstrem seperti hasil yang benar-benar diperhatikan sekiranya hipotesis nol itu benar. Dengan kata lain, ini menunjukkan kebarangkalian mempunyai bukti yang cukup untuk menolak atau tidak menolak hipotesis nol.
Sumber tambahan
Finance menawarkan Pensijilan Pemodelan & Penilaian Kewangan (FMVA) ™ FMVA® Sertai 350,600+ pelajar yang bekerja untuk syarikat seperti Amazon, JP Morgan, dan program pensijilan Ferrari bagi mereka yang ingin mengambil kerjaya mereka ke tahap seterusnya. Untuk terus belajar dan memajukan kerjaya anda, sumber Kewangan berikut akan sangat membantu:
- Nilai yang diharapkan Nilai yang diharapkan Nilai yang diharapkan (juga dikenali sebagai EV, jangkaan, purata, atau nilai min) adalah nilai purata jangka panjang pemboleh ubah rawak. Nilai jangkaan juga menunjukkan
- Ujian Nonparametrik Ujian Non Parametrik Dalam statistik, ujian nonparametrik adalah kaedah analisis statistik yang tidak memerlukan sebaran untuk memenuhi andaian yang diperlukan untuk dianalisis
- Bias Pemilihan Sampel Bias Pemilihan Sampel Bias pemilihan sampel adalah bias yang disebabkan oleh kegagalan untuk memastikan pengacakan sampel populasi yang tepat. Kelemahan pemilihan sampel
- Keseluruhan Peraturan Kebarangkalian Peraturan Keseluruhan Kebarangkalian Peraturan Keseluruhan Kebarangkalian (juga dikenal sebagai hukum kemungkinan besar) adalah peraturan asas dalam statistik yang berkaitan dengan bersyarat dan marginal
