P-testet
Ett P-test är en statistisk metod som testar giltigheten av nollhypotesen som anger ett allmänt accepterat påstående om en population. Även om termen null är lite vilseledande, är målet att testa accepterat faktum genom att försöka motbevisa eller ogiltiga det. P-testet kan tillhandahålla bevis som antingen kan avvisa eller misslyckas med att avvisa (statistik talar för "oöverträdande") ett allmänt accepterat påstående.
Key Takeaways
- Ett P-test är en statistisk metod som testar giltigheten av nollhypotesen som anger ett allmänt accepterat påstående om en population.
- Ju mindre p-värdet är, desto starkare är bevisen på att nollhypotesen bör avvisas och att den alternativa hypotesen kan vara mer trovärdig.
- P-teststatistiken följer vanligtvis en vanlig normalfördelning när stora provstorlekar används.
Förstå P-test
Ett P-test beräknar ett värde som gör det möjligt för forskaren att fastställa trovärdigheten för det accepterade påståendet. Motsvarande p-värde jämförs med en statistiskt signifikant nivå (konfidensnivå), alfa (α), som forskaren har valt att mäta resultatens slumpmässighet. P-teststatistiken följer vanligtvis en vanlig normalfördelning när stora provstorlekar används.
Forskare väljer vanligtvis alfa-nivåer på 5% eller lägre, vilket innebär konfidensnivåer på 95% eller högre. Med andra ord betyder ett p-värde mindre än en alfa-nivå på 5% att det är större än 95% chans att dina resultat inte är slumpmässiga, vilket ökar betydelsen av dina resultat. Detta är bevisen som skulle göra det möjligt för forskaren att avvisa nollhypotesen.
- Ju mindre p-värdet (p-värde <alfa), desto starkare är beviset för att nollhypotesen bör avvisas och att den alternativa hypotesen kan vara mer trovärdig.
- Ju större p-värdet (p-värde> alfa), desto svagare är bevisen mot nollhypotesen, vilket betyder att det inte kan avvisas vilket gör testet oöverträffande.
Vid genomförandet av ett hypotestest för att validera ett påstående postulerar forskaren två hypoteser - noll (H 0 ) och alternativa (H 1 ). Formulering av noll- och alternativa hypoteser är nyckeln till nyttan som ett P-test kan erbjuda forskaren.
Nollhypotesen säger en vanligt förekommande tro eller premiss som forskaren testar för att se om de kan avvisa den. Den viktigaste punkten att förstå är att forskaren alltid vill avvisa nollhypotesen och P-testet hjälper dem att uppnå detta mål. En annan punkt att notera är att om P-testet misslyckas med att avvisa nollhypotesen så anses testet vara oöverträffat och är inte på något sätt avsett att bekräfta nollhypotesen.
Den alternativa hypotesen är den olika förklaringen som forskaren ställer för att bättre förklara fenomenet som undersöks. Som sådan måste det vara den enda eller bästa möjliga alternativa förklaringen. På detta sätt, om p-värdet validerar ett avslag på nollhypotesen, kan den alternativa hypotesen ses som trovärdig.
Z-test och T-test
En vanlig och förenklad typ av statistisk testning är ett z-test, som testar den statistiska betydelsen av ett provmedelvärde för det hypotesiserade populationsmedlet men kräver att standardavvikelsen för populationen är känd, vilket ofta inte är möjligt. T-testet är en mer realistisk typ av test genom att det endast kräver standardavvikelsen för provet i motsats till befolkningens standardavvikelse.
Att förstå hur statistik kan påverka produktutvecklingen, särskilt inom bioteknik, kan vara mycket användbart för att vägleda investerare att fatta mer informerade investeringsbeslut. Exempelvis kan en grundläggande förståelse av de statistiska resultaten för ett lovande läkemedels kliniska prövning vara ovärderlig vid bedömningen av en bioteknikbeståndets potentiella avkastning.
Jämför investeringskonton Leverantörs namn Beskrivning Annonsörens upplysning × Erbjudandena som visas i denna tabell kommer från partnerskap från vilka Investopedia erhåller ersättning.