W świecie statystyki przeważają obliczenia, założenia i wnioski. Spośród wszystkich testów i wyników, testy t i wartość p to dwie najbardziej mylące techniki założeń.
Chociaż oba te elementy znajdują się w tym samym podzbiorze statystyk i stanowią kolejną miarę założeń, a także są ze sobą powiązane. Te dwa testy nie są takie same!
Test T a wartość P
Różnica między testem T a wartością P polega na tym, że test T jest używany do analizy stopnia różnicy między średnimi próbek, podczas gdy wartość p jest wykonywana w celu uzyskania dowodu, który można wykorzystać do zanegowania obojętności między średnie z dwóch próbek.
Test T zapewnia różnicę między dwoma pomiarami w normalnym zakresie, podczas gdy wartość p skupia się na skrajnej stronie próbki, a zatem zapewnia skrajny wynik.
Pomimo wzajemnych powiązań, obie wykazują różne aspekty próby i określają różne parametry populacji, z której wyprowadzane są próbki.
Tabela porównawcza między testem T a wartością P (w formie tabelarycznej)
| Parametr porównania | Test T | Wartość P |
|---|---|---|
| Pełna forma | Statystyka testowa | Wartość prawdopodobieństwa |
| Oddział Statystyki | Statystyka wnioskowa | Statystyka wnioskowa |
| Testowanie hipotez | tak | tak |
| Średnie próbek | Zmienny | Null-Same |
| Wynik | Różnica w średniej | Negowanie założeń zerowych |
Co to jest test T?
Test T to test statystyczny, który określa stopień różnicy między średnimi dwóch powiązanych zestawów. Należy do kategorii statystyk, która odnosi się do przewidywań z próbki populacji.
Test T można przeprowadzić na zestawie danych, które są w jakiś sposób ze sobą skorelowane; wspólną cechą może być wiek, obszar, świadczone usługi lub jakikolwiek inny czynnik. Do analizy T nie można zastosować dwóch odmiennych założeń.
Próbki należy wyznaczać losowo, aby wywnioskować wynik testu T. Podczas gdy wielkość próbki powinna być taka, która wygląda jak standardowe rozproszenie, przy czym oba zestawy mają wartości rozłożone na wartości średniej w tej samej proporcji.
Trzy znane typy testów t to; sparowany model próbki, jedna próbka i niezależne testy dwóch prób.
Test sparowanej próbki ma miejsce, gdy test jest przeprowadzany na tej samej próbce w różnym czasie. Ma to na celu wywnioskowanie wpływu różnych czynników zewnętrznych na próbkę. Porównanie produktywności pracowników w godzinach dziennych z wydajnością w godzinach nocnych można przeprowadzić za pomocą testu t dla jednej próby.
Pojedyncze próbkowanie, gdy jeden czynnik określonej rzeczy jest porównywany z dostarczonym standardem. Za pomocą tego pomiaru można dokonać porównania średniej trwałości żarówki i jej porównania z próbką żarówek w celu wywnioskowania kompetencji średniej.
Autonomiczny test próbki to podana nazwa; kiedy pobierany jest pewien czynnik z próbek; Pobiera się dwa różne zestawy danych z dwóch odmiennych próbek. Za pomocą tej metody można wyznaczyć poziom IQ między studentami i studentkami.
To porównanie pomaga użytkownikowi rozszyfrować relację między dwoma zestawami danych lub zrozumieć prawdę kryjącą się za określonymi standardami.
Co to jest wartość P?
Wartość P jest testem założeń stosowanym do zanegowania faktu, że średnie z dwóch próbek nie różnią się.
Alfa to termin używany do opisania z góry określonego prawdopodobieństwa, podczas gdy wartość p jest terminem używanym do określenia prawdopodobieństwa, które jest obliczane po dokładnej analizie populacji i próbki.
W przeciwieństwie do hipotezy zerowej lub hipotezy o braku różnicy jest zmienna lub alternatywna średnia, w takim przypadku, jeśli wynikowa wartość p jest mniejsza niż najbardziej godna uwagi liczba, niż hipoteza statyczna zostaje odrzucona.
W niektórych przypadkach ta sama hipoteza jest błędnie odrzucana; robi się to w przypadkach, gdy w rzeczywistości przypuszczenie zerowe jest prawdziwe, ale ponieważ znaczna liczba jest wyższa niż wartość p, zostaje odrzucona.
W drugim przypadku hipoteza jest błędnie przyjmowana. Pomimo łatwo wykazywanej różnicy uważa się, że jest to spowodowane czynnikami zewnętrznymi, a nie jakimikolwiek pomiarami lub takimi wskaźnikami.
Mniejsza wartość p oznacza, że wpływ, jaki wywiera na całą próbkę, ma większą wagę i znaczenie.
Jeśli wartość p ma tak trywialną naturę, że w końcu trzeba zadeklarować, że średnie nie mają różnicy; w takim przypadku testy i wyniki całego testu uważa się za nieistotne.
Główne różnice między testem T a wartością P
Żarliwy wygląd pokazuje główne różnice między testem T a wartością P:
Wniosek
Założenia dotyczące populacji i jej ograniczeń są istotną częścią analitycznej gałęzi statystyki, podczas gdy próbkowanie i założenia są dokonywane na początkowym etapie.
Testy-T i obliczenie wartości p stanowią istotny etap, po którym konstruowane są dalsze obliczenia będące wnioskami.
Pierwsze dwa testy dają jasne wyobrażenie o wybranej próbie i ewentualnej populacji, w odniesieniu do której opracowywane jest założenie do testowania.
Wyniki obu testów stanowią integralną część statystyk, dlatego bardzo ważne jest zrozumienie istotnej różnicy między nimi.
