Какво е P-тест?
P-тестът е статистически метод, който тества валидността на нулевата хипотеза, който заявява общоприето твърдение за популация. Въпреки че терминът null е малко подвеждащ, целта е да се провери приетия факт, като се опитва да опровергае или обезсили. P-тестът може да предостави доказателства, които могат или да отхвърлят, или да не успеят да отхвърлят (статистиката говори за „неубедителни“) широко прието искане.
Ключови заведения
- P-тестът е статистически метод, който тества валидността на нулевата хипотеза, който заявява общоприето твърдение за популация. Колкото по-малка е р-стойността, толкова по-силни са доказателствата, че нулевата хипотеза трябва да бъде отхвърлена и че алтернативната хипотеза може да бъде по-достоверна. Статистиката на P-теста обикновено следва стандартно нормално разпределение, когато се използват големи размери на извадката.
Разбиране на P-тест
P-тестът изчислява стойност, която дава възможност на изследователя да определи достоверността на приетата претенция. Съответната p-стойност се сравнява със статистически значимо ниво (ниво на доверие), алфа (α), което изследователят е избрал да прецени случайността на резултатите. Статистиката на P-теста обикновено следва стандартно нормално разпределение, когато се използват големи размери на пробата.
Обикновено изследователите ще избират алфа нива от 5% или по-ниски, което означава нива на доверие от 95% или повече. С други думи, p-стойност, по-ниска от 5% алфа ниво, означава, че има повече от 95% вероятност вашите резултати да не са случайни, като по този начин се повишава значението на вашите резултати. Това е доказателството, което би позволило на изследователя да отхвърли нулевата хипотеза.
- Колкото по-малка е р-стойността (р-стойност <алфа), толкова по-силни са доказателствата, че нулевата хипотеза трябва да бъде отхвърлена и че алтернативната хипотеза може да бъде по-достоверна. Колкото по-голяма е р-стойността (р-стойност> алфа), по-слабите доказателства срещу нулевата хипотеза, което означава, че тя не може да бъде отхвърлена, което прави теста неубедителен.
Когато провежда тест на хипотеза за валидиране на дадено твърдение, изследователят постулира две хипотези - нулева (H 0) и алтернативна (H 1). Формулирането на нулеви и алтернативни хипотези е от ключово значение за полезността, която P-тестът може да предложи на изследователя.
Нулевата хипотеза съдържа общоприето схващане или предпоставка, която изследователят изпробва, за да провери дали могат да го отхвърлят. Ключовият момент за разбирането е, че изследователят иска винаги да отхвърля нулевата хипотеза и P-тестът им помага да постигне тази цел. Друг момент, който трябва да се отбележи, е, че ако P-тестът не успее да отхвърли нулевата хипотеза, тогава тестът се счита за неубедителен и по никакъв начин не е предназначен за утвърждаване на нулевата хипотеза.
Алтернативната хипотеза е различното обяснение, представено от изследователя, за да обясни по-добре феномена, който се изследва. Като такова, то трябва да бъде единственото или най-доброто възможно алтернативно обяснение. По този начин, ако р-стойността потвърждава отхвърляне на нулевата хипотеза, тогава алтернативната хипотеза може да се разглежда като достоверна.
Z-тест и Т-тест
Често срещан и опростен вид статистически тестове е z-тест, който тества статистическата значимост на пробата средно за хипотезираната средна популация, но изисква да се знае стандартното отклонение на популацията, което често не е възможно. T-тестът е по-реалистичен тип тест, тъй като изисква само стандартното отклонение на пробата, за разлика от стандартното отклонение на популацията.
Разбирането на това как статистиката може да повлияе върху развитието на продуктите, особено в областта на биотехнологиите, може да бъде много полезно за насочване на инвеститорите да вземат по-информирани инвестиционни решения. Например, основното разбиране на статистическите резултати за клинично изпитване на обещаващо лекарство може да бъде безценно при оценката на потенциалната възвръщаемост на биотехнологичния запас.
