SEO başlığı (48): P-Değer Hesaplayıcısı - Z, t, Ki-Kare & F Testleri Meta açıklama (154): Z, t, ki-kare veya F istatistiklerinden bir p-değeri hesaplayın. P-Değer Hesaplayıcısı alfa ile karşılaştırılır ve beş yaygın yanlış okumayı açıklar.
Şema: WebApplication + FAQPage + BreadcrumbList
P-Değer Hesaplayıcısı, test istatistiklerini z, t, ki-kare veya F testleri için p-değerine dönüştürür; testin izin verdiği yerlerde bir veya iki kuyruklu seçenek bulunur. İstatistik, gerektiğinde özgürlük dereceleri ve kuyruk seçimi girin; hesap makinesi p-değerini döndürür, seçilen α ile karşılaştırır ve reddedilme bölgesini kuyruk alanı grafikinde gölgelendirir.
Bir p-değeri şu yanıtı verir: Eğer null hipotezi doğru olsaydı, en azından bu uç veri ne sıklıkla tesadüfen ortaya çıkardı? Null'un doğru olup olmadığını cevaplamaz. Bu ayrım, aşağıdaki yanlış yorumlama bölümünü yönlendirir.
Bir test istatistiğinden p-değeri hesaplayın
Desteklenen girdiler z, özgürlük derecesi olan t, özgürlük dereceli ki-kare ve payda ile serbestlik dereceleri olan F'dir. Test çıktısından istatistiği girin; hesaplayıcı bunu eşleşen referans dağılımına eşler ve kuyruk olasılığını döndürür.
z ve t için, sayını okumadan önce bir kuyruklu veya iki kuyruklu koyun, böylece ton hipotezle eşleşir.
z ve t için, sayıyı okumadan önce bir kuyruklu veya iki kuyruklu seçeneğini seçin. Ki-kare ve F testleri genellikle giriş derslerinde öğretilen formlarda tek taraflı (üst kuyruk) olur; arayüz bunu yansıtır.
Tek kuyruklu veya iki kuyruklu bir test seçin
İki kuyruklu test, istatistiklerin her iki yönde de null değerden farklı olup olmadığını sorar ve simetrik z ve t testleri için küçük tek kuyruklu alanı iki katına çıkarır. Tek kuyruklu test ise yalnızca bir adlandırılmış yön hakkında sorular sorar.
Araştırma planı verileri görmeden önce bir yöne bağlı kalmadıkça iki kuyruklu kullanın; işareti gözlemledikten sonra geçiş p yarıya düşürür ve yanlış pozitifleri şişirir.
Araştırma planı verileri görmeden önce bir yöne bağlı kalmadıkça iki kuyruklu kullanın. İşaret gözlemlendikten sonra tek kuyrukluya geçmek p-değerini yarıya indirir ve yanlış pozitifleri şişirir. Yön hipotezleri protokole aittir, bir 0.06'nin sonradan kurtarılmasında değil.
p-değerini alfa ile karşılaştırın
Alfa, önceden seçilmiş anlamlılık seviyesidir, genellikle 0.05 ve bazen 0.01 veya 0.10 olur. Eğer p, alfa'dan küçük veya eşitse, null hipotezi reddedin; eğer p alfa'dan büyükse, reddetme. Reddetmemek, null doğruluğu kanıtlamak ile aynı şey değildir.
Çalışma basitçe güçten yoksun olabilir, bu yüzden aralıklar ve etki boyutları herhangi bir ikili kararın yanında yer alır.
- p ≤ α ise, null hipotezi reddedin.
- p > α ise, null hipotezi reddetme.
"Reddetme" ile "null'u kanıtlama" anlamına gelmez. Çalışma basitçe güç eksikliği olabilir. Hesap makinesi, sonucun yanına α koyduğunuzda karşılaştırmayı vurgular.
Z'den iki kuyruklu bir p-değeri hesaplayın 2.0
İki kuyruklu normal testte z eşit 2.0 ise, 2.0'nin üzerindeki tek kuyruklu alan yaklaşık 0.0228'dir. Bu alanı ikiye katlamak, yaklaşık 0.0455 iki kuyruklu p-değeri verir. Alfa 0.05'ye karşı bu sonuç null'u reddeder; alfa 0.01'ye karşı reddetmez. Bu iki karar arasında veri değişmedi; sadece eşik değişti.
1. 2.0 ≈ 0.0228 (daha doğrusu 0.02275) üzerindeki tek kuyruklu alan. 2. İki kuyruklu p = 2 × 0.02275 ≈ 0.0455. 3. Against α = 0.05: 0.0455 < 0.05 → **null'u reddet.
α = 0.01 karşısında aynı p-değeri reddedemez. Veri değişmedi; eşik değişti. Bu yüzden α p'ye bakmadan önce ayarlanmalı, sonrasında müzakere edilmeli değil.
Kuyruk alan çizimini okuyun
Grafik, referans yoğunluğunu, test istatistiğinde dikey bir çizgiyi ve seçilen α için gölgeli reddetme bölgelerini gösterir. Normal eğride iki kuyruklu α = 0.05 için, kritik değerler ±1.96 yakınında yer alır. Her iki kritik değerin ötesinde bir istatistik, gölgeye girer.
Gölgeli kuyrukların seçilen test yönüyle eşleşip eşleşmediğini kontrol edin. Sadece üst kuyruk gölgesi seçildiğinde büyük bir negatif istatistik, null'a karşı kanıt değil, kurulum hatasıdır. İki kuyruklu alfa 0.05 için artı veya eksi 1.96 kritik değer işaretleri, sayısal p ile ikinci görsel bir kontrol sağlar.
Eğer istatistiksel çizgi gölgesiz merkezin içinde yer alırsa ve p hâlâ rapor edilirse, görsel ve sayı hemfikirdir: o α reddedilme. Grafik kullanılarak akıl sağlığı işareti hatalarını kontrol edin (büyük bir negatif z, sadece üst kuyruk rengi seçilmiş).
p-değerinin ne anlama gelmediğini anlayın
Yayınlanan hatalarda beş yanlış okuma baskındır ve her biri aşağıda belirtilen belirli bir nedenle yanlıştır. p-değeri, null model altında bir kuyruk olasılığıdır, doğrudan bir hipotezin doğru olma olasılığı değil, bir etki boyutu ve bir tekrarlama şansı değildir. 0.05 kesme noktası bir gelenektir ve anlamsız sonuç etkisiz bir kanıt değildir.
1. Bir p-değeri, null hipotezinin doğru olma olasılığı değildir. En azından bu aşırı veri olasılığıdır *eğer* null doğru olsaydı. Bunlar farklı koşullandırmalar. Bunları karıştırmak, kuyruk olasılığını hipoteze doğrudan bir bahise dönüştürür.
2. Bir p-değeri bir etki boyutu değildir. Önemsiz bir fark, yeterince büyük bir örneklemle p < 0.05'ye ulaşır. Ayrı ayrı bir ortalama fark, risk oranı veya standart etki bildirin; küçük p'yi "büyük etki" olarak ele almayın.
3. P-değeri, tekrarlanma olasılığı değildir. 0.03 p, tekrar edilen çalışmanın aynı sonucu bulma olasılığının 97% olduğu anlamına gelmez. Tekrarlama, güç, gerçek etki boyutu ve çalışma tasarımına bağlıdır.
4. 0.05 eşiği doğa yasası değil, bir gelenektir. p = 0.049 ve p = 0.051 neredeyse aynı kanıtlardır. Bunları günlük alışkanlığı için "önemli" ve "değil" olarak ikiye bölmek verilerde parlak bir çizgi oluşturmaz.
5. Anlamsız "etkisiz" anlamına gelmez. α ulaşılamamak, çalışmanın yetersiz olduğu anlamına gelebilir. Kanıt eksikliği yokluğun kanıtı değildir; sıfır bulgu talep etmeden önce güven aralıklarını ve gücü kontrol edin.
Bu noktalar, Amerikan İstatistikçiler Derneği'nin p-değerleri üzerindeki 2016 ifadesiyle örtüşüyor. Hesap makinesi hâlâ p ile α karşılaştırıyor çünkü bu iş akışı derslerin ve birçok protokolün gerektirdiği şeydir; yukarıdaki bölüm, sayının fazla okunmasını engelliyor.
Seçilmiş bir alfa için kritik değeri okuyun
Kritik değerler, istatistik ölçeğinde seçilen alfa ve kuyruk kuralına uyan kesim noktalarıdır. İki kuyruklu normal testte yaklaşık 1.645, 0.05'de 1.960 ve 0.01'de 2.576. Mutlak z, alfa'dan az veya eşit olan p'ye eşdeğer olan kritik değeri aştığında reddedilir.
T testleri için sınır ayrıca özgürlük derecelerine de bağlıdır.
| α | Kritik | z | |
|---|---|---|---|
| 0.10 | 1.645 | ||
| 0.05 | 1.960 | ||
| 0.01 | 2.576 |
| z |
|---|
Olağan tuzaklar olmadan p-değerleri rapor etmek
Yazılım sağladığında tam p noktasını bildirin, sadece bir yıldız veya "p 0.05'dan küçük" rozeti değil. Bunu bir etki boyutu veya güven aralığı ile eşleştirin ki okuyucular büyüklüğü değerlendirebilsin. Analiz planında iş onaylayıcı olduğunda alfa ve bir-iki kuyruklu kurallara önceden taahhüt edin.
Keşif analizleri hâlâ p-değerleri üretir, ancak bunlar keşfedici olarak etiketlenmelidir. Birden fazla ayarlanmamış test, en az bir yanlış pozitif olasılığını artırır; bu sorun bu hesap makinesiyle çözülmez ve işareti gördükten sonra sessizce iki kuyrukludan tek kuyrukluya geçerek çözülmez.
Sıkça sorulan sorular
p-değeri nedir?
p-değeri, null hipotezi altında, gözlemlenen test istatistiği kadar uç bir test istatistiği elde etme olasılığıdır. Daha küçük p, verinin o model altında null ile daha az uyumlu olduğu anlamına gelir.
Alfa nedir?
Alfa (α), reddetme/reddedilmeyip kesim noktası olarak kullanılan önceden seçilmiş anlamlılık seviyesidir, genellikle 0.05 olarak kullanılır. Hata kontrolü için bir politika seçimidir, keşfedilen bir sabit değildir.
Tek kuyruklu mu yoksa iki kuyruklu mı testi kullanmalıyım?
Veri görülmeden önce yön hipotezi belirtilmedikçe iki kuyruklu kullanın. Tek kuyruklu testler "geçmesi" daha kolaydır ve genellikle sonradan yanlış kullanılır.
p = 0.049, p = 0.051'den anlamlı şekilde farklı mı?
Hayır. Neredeyse aynı güçlü kanıtı temsil ediyorlar. 0.05'deki parlak çizgi gelenekseldir.
Önemli bir p-değeri araştırma hipotezini kanıtlar mı?
Hayır. Model varsayımları göz önüne alındığında, seçilen α null altında alışılmadık verileri gösterir. Karıştırıcı, yanlılık ve yanlış modeller mümkün olmaya devam eder.
Anlamsız bir sonuç hiçbir etki göstermez mi?
Hayır. Çalışmanın gücü yok olabilir. Aralıkları raporlayın ve etkisi boyutlarını dikkate alın, sonra null bir sonuç iddia edin.
Hangi test istatistiği girmeliyim?
Prosedürünüzün ürettiği istatistiği girin: büyük örneklemli normal testler için z, tahmini σ ortalama testleri için t, birçok kategorik test için ki-kare, birçok varyans oranı testi için F. df'yi aynı çıktıya eşleştirin.
İki kuyruklu p-değeri z'den nasıl hesaplanır?
z
Yazılımlar p konusunda biraz farklı fikirde olabilir mi?
Evet. Kuyruk algoritmaları ve yuvarlama dördüncü ondalıkta farklılık gösterir. İlk iki ondalıktaki anlaşmazlıklar genellikle yanlış kuyruklar, yanlış df veya yanlış dağılım ailesi anlamına gelir.
Özet
P-Değer Hesaplayıcısı, z, t, ki-kare veya F istatistiklerini p-değerlere dönüştürür, bunları α ile karşılaştırır ve reddedilme bölgesini gölgeler. İki kuyruklu z = 2.0 ile p ≈ 0.0455 elde edilir; bu da 0.05'de reddedilir, 0.01'de değil.
p-değeri, nullun doğru olma olasılığı değildir, bir etki boyutu değildir, bir çoğaltma olasılığı değildir; 0.05 bir gelenektir; ve anlamsızlık hiçbir etkinin kanıtı değildir.
Önem kararı için bu sayfayı kullanın; sadece standartlaştırılmış skor ve eğri alanına ihtiyacınız olduğunda Z-Score Hesaplayıcısını kullanın.