P

Ano ang isang P-test?

Ang isang P-test ay isang istatistikong pamamaraan na sumusubok sa bisa ng null hypothesis na nagsasaad ng isang karaniwang tinatanggap na paghahabol tungkol sa isang populasyon. Kahit na ang salitang null ay medyo nakaliligaw, ang layunin ay upang masubukan ang tinatanggap na katotohanan sa pamamagitan ng pagtatangka na ipaglaban, o tanggalin, ito. Ang P-test ay maaaring magbigay ng katibayan na maaaring tanggihan o mabibigo na tanggihan (ang mga istatistika ay nagsasalita para sa 'hindi sinasadya') isang malawak na tinatanggap na paghahabol.

Mga Key Takeaways

• Ang isang P-test ay isang istatistikong pamamaraan na sumusubok sa bisa ng null hypothesis na nagsasaad ng isang karaniwang tinatanggap na paghahabol tungkol sa isang populasyon.Ang mas maliit ang p-halaga, mas malakas ang katibayan na ang null hypothesis ay dapat tanggihan at ang kahaliling hypothesis maging mas kapani-paniwala. Ang istatistika ng P-test ay karaniwang sumusunod sa isang karaniwang normal na pamamahagi kapag ginagamit ang malalaking sukat ng halimbawang.

Pag-unawa sa P-test

Ang isang P-test ay kinakalkula ang isang halaga na nagbibigay-daan sa mananaliksik upang matukoy ang kredensyal ng tinanggap na paghahabol. Ang kaukulang p-halaga ay inihambing sa isang istatistikong makabuluhang antas (antas ng kumpiyansa), alpha (α), na napili ng mananaliksik upang masukat ang pagkalugi ng mga resulta. Ang P-test statistic ay karaniwang sumusunod sa isang karaniwang normal na pamamahagi kapag ginagamit ang malalaking sukat ng sample.

Karaniwang pipili ng mga mananaliksik ang mga antas ng alpha na 5% o mas mababa na isinasalin sa mga antas ng kumpiyansa na 95% o mas mataas. Sa madaling salita, ang isang p-halaga na mas mababa sa isang 5% na antas ng alpha ay nangangahulugan na may higit na 95% na pagkakataon na ang iyong mga resulta ay hindi random, kaya pinapahusay ang kabuluhan ng iyong mga resulta. Ito ang katibayan na magpapahintulot sa mananaliksik na tanggihan ang null hypothesis.

• Ang mas maliit ang p-halaga (p-halaga <alpha), mas malakas ang katibayan na ang null hypothesis ay dapat tanggihan at na ang kahaliling hypothesis ay maaaring maging mas kapani-paniwala.Ang mas malaki ang p-halaga (p-halaga> alpha), ang mas mahina ang katibayan laban sa null hypothesis na nangangahulugang hindi ito maaaring tanggihan na gumagawa ng pagsubok na hindi nakakaunawa.

Kapag nagsasagawa ng isang pagsubok sa hypothesis upang mapatunayan ang isang paghahabol, ang mananaliksik ay nag-post ng dalawang hypotheses - null (H ₀) at kahaliling (H ₁). Ang pagbabalangkas ng null at alternate hypotheses ay susi sa pagiging kapaki-pakinabang na maaaring mag-alok ng isang P-test sa mananaliksik.

Ang null hypothesis ay nagsasaad ng isang karaniwang gaganapin paniniwala o saligan na sinusuri ng mananaliksik upang makita kung maaari nilang tanggihan ito. Ang pangunahing punto upang maunawaan ay ang nais ng mananaliksik na palaging tanggihan ang null hypothesis at tinutulungan sila ng P-test sa pagkamit ng layuning ito. Ang isa pang punto na dapat tandaan ay kung ang P-test ay nabigo na tanggihan ang null hypothesis kung gayon ang pagsubok ay itinuturing na hindi mapag-aalinlangan at hindi nangangahulugang maging isang kumpirmasyon ng null hypothesis.

Ang kahaliling hypothesis ay ang magkakaibang paliwanag na nakuha ng mananaliksik upang mas maipaliwanag ang kababalaghan na iniimbestigahan. Tulad nito, kailangan itong maging isa, o ang pinakamahusay, posibleng alternatibong paliwanag. Sa ganitong paraan, kung ang p-halaga ay nagpapatunay ng isang pagtanggi sa null hypothesis pagkatapos ang kahaliling hypothesis ay maaaring matingnan bilang kapani-paniwala.

Z-test at T-test

Ang isang pangkaraniwan at pinasimpleng uri ng pagsubok sa istatistika ay isang z-test, na sumusubok sa pang-istatistikong kahalagahan ng isang sample ay nangangahulugan sa ibig sabihin ng hypothesized na populasyon ngunit hinihiling na malaman ang karaniwang paglihis ng populasyon, na kung saan ay madalas na hindi posible. Ang t-test ay isang mas makatotohanang uri ng pagsubok sa ito ay nangangailangan lamang ng karaniwang paglihis ng sample kumpara sa karaniwang paglihis ng populasyon.

Ang pag-unawa kung paano makakaapekto ang mga istatistika sa pag-unlad ng produkto, lalo na sa biotechnology, ay maaaring maging kapaki-pakinabang sa paggabay ng mga namumuhunan upang makagawa ng mas matalinong mga desisyon sa pamumuhunan. Halimbawa, ang isang pangunahing pag-unawa sa mga resulta ng istatistika para sa klinikal na pagsubok sa gamot ay maaaring maging napakahalaga sa pagtatasa ng mga potensyal na pagbabalik ng stock ng biotech.