п

Что такое P-тест?

P-критерий - это статистический метод, который проверяет правильность нулевой гипотезы, в которой говорится о общепринятых утверждениях о совокупности. Хотя термин «ноль» немного вводит в заблуждение, цель состоит в том, чтобы проверить принятый факт, пытаясь опровергнуть или аннулировать его. P-тест может предоставить доказательства, которые могут либо отклонить, либо не отклонить (статистика говорит о «неубедительности») широко принятого утверждения.

Ключевые вынос

• P-критерий - это статистический метод, который проверяет достоверность нулевой гипотезы, в которой говорится о общепринятом утверждении о населении. Чем меньше значение p, тем сильнее доказательство того, что нулевая гипотеза должна быть отклонена и что альтернативная гипотеза может быть более достоверным. Статистика P-критерия обычно соответствует стандартному нормальному распределению при использовании выборок большого размера.

Понимание P-теста

P-тест рассчитывает значение, которое позволяет исследователю определить достоверность принятой заявки. Соответствующее значение p сравнивается со статистически значимым уровнем (уровнем достоверности) альфа (α), который исследователь выбрал для измерения случайности результатов. Статистика P-критерия обычно соответствует стандартному нормальному распределению при использовании выборок большого размера.

Исследователи обычно выбирают альфа-уровни 5% или ниже, что означает уровень достоверности 95% или выше. Другими словами, р-значение менее 5% альфа-уровня означает, что вероятность того, что ваши результаты не случайны, превышает 95% , что повышает значимость ваших результатов. Это свидетельство, которое позволило бы исследователю отвергнуть нулевую гипотезу.

• Чем меньше значение p (значение p <альфа), тем сильнее доказательство того, что нулевая гипотеза должна быть отклонена и что альтернативная гипотеза может быть более достоверной. Чем больше значение p (p-значение> альфа), более слабые доказательства против нулевой гипотезы, означающей, что она не может быть отклонена, что делает тест неубедительным.

При проведении проверки гипотезы для подтверждения претензии исследователь постулирует две гипотезы - нулевую (H ₀) и альтернативную (H ₁). Формулирование нулевых и альтернативных гипотез является ключом к полезности, которую P-тест может предложить исследователю.

Нулевая гипотеза утверждает общепринятое убеждение или предпосылку, которую исследователь проверяет, чтобы увидеть, могут ли они ее отвергнуть. Ключевым моментом для понимания является то, что исследователь хочет всегда отвергать нулевую гипотезу, и P-тест помогает им в достижении этой цели. Еще один момент, на который следует обратить внимание: если P-критерий не отклоняет нулевую гипотезу, то этот тест считается неокончательным и никоим образом не является подтверждением нулевой гипотезы.

Альтернативная гипотеза - это другое объяснение, предложенное исследователем для лучшего объяснения исследуемого явления. Как таковое, оно должно быть единственным или лучшим альтернативным объяснением. Таким образом, если значение p подтверждает отклонение нулевой гипотезы, то альтернативная гипотеза может рассматриваться как достоверная.

Z-тест и T-тест

Распространенным и упрощенным типом статистического тестирования является z-тест, который проверяет статистическую значимость среднего значения выборки для предполагаемого среднего значения совокупности, но требует, чтобы стандартное отклонение совокупности было известно, что часто невозможно. T-критерий является более реалистичным типом теста, так как он требует только стандартного отклонения выборки, а не стандартного отклонения популяции.

Понимание того, как статистика может влиять на разработку продукта, особенно в области биотехнологии, может быть весьма полезным для того, чтобы помочь инвесторам принимать более обоснованные инвестиционные решения. Например, базовое понимание статистических результатов для клинического испытания перспективного лекарственного средства может иметь неоценимое значение при оценке потенциальной доходности биотехнологического запаса.