P-değeri - Tanım, Nasıl Kullanılır ve Yanlış Yorumlamalar

İstatistiksel hipotez testinde, p-değeri (olasılık değeri), belirli bir istatistiksel testin sıfır hipotezi doğru olduğunda, gözlemlenen veya daha uçtaki sonuçları bulmanın bir olasılık ölçüsüdür. P-değeri, bir hipotez testinin sonuçlarının istatistiksel önemini ölçmek için kullanılan birincil bir değerdir. Hipotez Testi Hipotez Test, istatistiksel bir çıkarım yöntemidir. Bir popülasyon parametresiyle ilgili bir ifadenin doğru olup olmadığını test etmek için kullanılır. Hipotez testi .

P değeri

P değerinin ana yorumu, sıfır hipotezini reddetmek için yeterli kanıt olup olmadığıdır. Eğer p-değeri makul derecede düşükse (anlamlılık seviyesinden azsa), sıfır hipotezini reddetmek için yeterli kanıt olduğunu söyleyebiliriz. Aksi takdirde, boş hipotezi reddetmemeliyiz.

Hipotez testi ile ilgili sonuçlar, bir testin p değeri, bir kıyaslama rolü oynayan anlamlılık düzeyiyle karşılaştırıldığında çıkarılır. En tipik anlamlılık düzeyleri 0,10, 0,05 ve 0,01'dir. 0.05 önem seviyesi geleneksel olarak kabul edilir ve en yaygın olarak kullanılır.

Hipotez Testinde P Değeri Nasıl Kullanılır?

Hipotez testinde p değerini kullanmak için aşağıdaki adımları izleyin:

  1. Önem düzeyinizi belirleyin (α). Önem düzeyi genellikle bir hipotez testinin tasarımının ilk adımlarında seçilmelidir. En yaygın anlamlılık düzeyleri 0.10, 0.05 ve 0.01'dir.
  2. P değerini hesaplayın. Hesaplamayı sunan çok sayıda yazılım uygulaması vardır. Örneğin, Microsoft Excel, Veri Analizi Araç Takımı'nı kullanarak p değerinin hesaplanmasına izin verir.
  3. Elde edilen p-değerini anlamlılık seviyesi (α) ile karşılaştırın ve ilgili sonuçları çıkarın. Buradaki genel kural, eğer rakam anlamlılık seviyesinden düşükse, o zaman bir deneyin sıfır hipotezini reddetmek için yeterli kanıt vardır.

İstatistiksel önem derecesi, genellikle önem düzeyine bağlı olarak değişir. Örneğin, 0,05'ten büyük bir p değeri istatistiksel olarak anlamlı kabul edilirken 0,01'den küçük bir rakam istatistiksel olarak oldukça anlamlı olarak görülür.

P değerinin yanlış yorumlanması

İstatistikte Finans için Temel İstatistik Kavramları İstatistiklerin sağlam bir şekilde anlaşılması, finansı daha iyi anlamamıza yardımcı olması açısından çok önemlidir. Dahası, istatistik kavramları yatırımcıların izlemesine yardımcı olabilir, p-değeri gerçekten en yaygın olarak yanlış yorumlanan kavramlardan biri olarak düşünülebilir. Kavramla ilgili en büyük yanılgı, boş hipotezin doğru olma olasılığı (veya alternatif hipotezin yanlış olma olasılığı) olmasıdır.

Gerçekte, p-değeri, sıfır hipotezinin gerçek olma olasılığını belirlemez, ancak yalnızca, boş hipotez doğruysa, en azından gerçekte gözlemlenen sonuçlar kadar aşırı bir çalışmanın sonuçlarıyla karşılaşma olasılığını gösterir. Başka bir deyişle, boş hipotezi reddetmek veya reddetmemek için yeterli kanıta sahip olma olasılığını gösterir.

Ek kaynaklar

Finans, Finansal Modelleme ve Değerleme Analisti (FMVA) ™ FMVA® Sertifikasyonunu sunar Kariyerlerini bir sonraki seviyeye taşımak isteyenler için Amazon, JP Morgan ve Ferrari gibi şirketlerde çalışan 350.600'den fazla öğrenciye katılın. Öğrenmeye ve kariyerinizi ilerletmeye devam etmek için aşağıdaki Finans kaynakları yardımcı olacaktır:

  • Beklenen Değer Beklenen Değer Beklenen değer (aynı zamanda EV, beklenti, ortalama veya ortalama değer olarak da bilinir) rastgele değişkenlerin uzun vadeli ortalama değeridir. Beklenen değer ayrıca şunu gösterir:
  • Parametrik Olmayan Testler Parametrik Olmayan Testler İstatistiklerde, parametrik olmayan testler, analiz edilecek gerekli varsayımları karşılamak için bir dağılım gerektirmeyen istatistiksel analiz yöntemleridir.
  • Örnek Seçim Sapması Örnek Seçim Sapması Örnek seçim sapması, bir popülasyon örneğinin uygun rasgele seçilmesinin sağlanamamasından kaynaklanan sapmadır. Numune seçiminin kusurları
  • Toplam Olasılık Kuralı Toplam Olasılık Kuralı Toplam Olasılık Kuralı (toplam olasılık yasası olarak da bilinir), koşullu ve marjinal istatistiklerle ilgili istatistiklerde temel bir kuraldır.