Test de signification avec le test d'hypothèse
Tous les fameux tests de signification statistique (Student t, khi-carré, ANOVA, etc.) fonctionnent sur le même principe général - ils évaluent l'ampleur de l'effet apparent que vous voyez dans vos données contre la taille des fluctuations aléatoires présents dans vos données . Voici les étapes générales qui sous-tendent tous les tests statistiques communes d'importance.
Faites bouillir vos données brutes vers le bas dans un numéro unique, appelé statistique de test.
Chaque test a sa propre formule, mais en général, la statistique de test représente l'ampleur de l'effet que vous êtes à la recherche par rapport à l'ampleur du bruit aléatoire dans vos données. Par exemple, la statistique de test pour le test t de Student non apparié pour des moyens de comparaison entre les deux groupes est liée au rapport:
(La formule actuelle de la statistique t de Student comprend aussi des termes impliquant le nombre de sujets dans chaque groupe.) Le numérateur du ratio est une mesure de l'effet que vous êtes à la recherche - la différence entre les deux groupes. Et le dénominateur est une mesure du bruit aléatoire dans vos données - la propagation des valeurs au sein de chaque groupe. Plus l'effet observé est, par rapport à la quantité de dispersion aléatoire dans vos données, plus la statistique t de Student sera.
Déterminer quelle est la probabilité (ou peu probable), il est pour les fluctuations aléatoires pour produire une statistique de test aussi grand que celui que vous avez réellement obtenu à partir de vos données (la «valeur de p").
Les mathématiciens ont fait le travail difficile qu'ils ont développé des formules de distribution de probabilité (vraiment de très compliquées) qui décrivent combien la statistique de test rebondit si seulement fluctuations aléatoires sont présents (qui est, si H0 est vrai). Une fois que vous avez calculé la statistique de test, vous pouvez utiliser les formules de distribution de probabilité (ou se référer à un tableau de valeurs) pour obtenir la valeur de p pour le test.
Interpréter la «valeur de p" et d'en tirer vos conclusions.
Si la valeur de p est inférieure à 0,05 (ou une autre valeur pré-spécifiée), alors il ya très peu de chances (moins de 1 sur 20) que seuls les fluctuations aléatoires, en l'absence de tout effet réel, auraient pu produire un effet aussi grand que ce que vous avez réellement observé. Donc, vous concluez que l'effet que vous avez observé était statistiquement significative.
A propos Auteur
Manipulation des tests d'hypothèses statistiques Vous utilisez des tests d'hypothèses de contester si certains prétendent d'une population est vrai (par exemple, une demande que 40 pour cent des Américains possèdent un téléphone portable). Pour tester une hypothèse statistique, vous prenez…
Comment faire pour déterminer une valeur de p pour tester une hypothèse nulle Lorsque vous testez une hypothèse sur une population, vous pouvez utiliser votre statistique de test pour décider de rejeter l'hypothèse nulle, H0. Vous prenez cette décision en venant avec un certain nombre, appelé p-valeur.UN p-valeur est une…
Comment trouver la statistique de test pour analyse de variance en utilisant l'erreur quadratique moyenne et le traitement carré moyen Comparé à d'autres types de tests d'hypothèses, la construction de la statistique de test pour analyse de la variance est assez complexe. Vous construisez la statistique de test (ou statistique F) à partir de l'erreur quadratique moyenne (MSE)…
Comment utiliser le t-test pour manipuler des petits échantillons et écarts types inconnus Lorsque vous utilisez une statistique de test pour une moyenne de la population, il ya deux cas où vous devez utiliser la t-au lieu de la répartition Z-distribution. Le premier cas est celui où la taille de l'échantillon est faible (en dessous…
Interpréter la signification statistique dans les statistiques de SPSS Vous avez besoin de savoir comment interpréter la signification statistique lorsque vous travaillez avec SPSS Statistics. Lors de la réalisation d'un test statistique, trop souvent les gens sautent immédiatement à la conclusion que la…
En regardant confiance valeurs critiques d'intervalle Les valeurs critiques (z* -values) sont une composante importante des intervalles de confiance (la technique statistique pour estimer les paramètres de la population). La z* -value, qui apparaît dans la marge d'erreur de formule, mesure le nombre…
Vue d'ensemble de tests d'hypothèses Un moyen important de tirer des conclusions sur les propriétés d'une population est avec des tests d'hypothèses. Tu peux utiliser tests d'hypothèses à comparer une mesure de la population à une valeur spécifiée, comparer les mesures de deux…
Allez dehors de la norme avec les statistiques non paramétriques Tous les tests statistiques sont calculées sur la base de certaines hypothèses sur vos données, et la plupart des tests de signification classiques (tels que test t de Student, l'analyse de la variance, et les tests de régression) supposent que…
Comment utiliser des tests t de Student pour comparer les moyennes Vous pouvez exécuter les test t de Student en utilisant un logiciel statistique typique et interpréter la sortie produite. Dans cet exemple, vous serez en utilisant le logiciel OpenStat.L'idée de base d'un test tTous les tests t de Student pour…
Les distributions de probabilité en biostatistique Les échantillons diffèrent des populations en raison de fluctuations aléatoires. Statisticiens comprendre quantitativement comment fluctuations aléatoires se comportent en développant des équations mathématiques, appelés les fonctions de…
Estimation de la taille de l'échantillon test t de Student non appariés en biostatistique Dans la biostatistique, lorsque l'on compare les moyennes de deux groupes indépendants de sujets en utilisant un test t de Student non apparié, le taille de l'effet est exprimée comme le rapport de # 916- (delta, la différence entre les moyennes…
Théorie de la décision statistique Théorie de la décision statistique est peut-être la plus grande branche de la statistique. Il englobe tous les célèbres (et de nombreux pas-si-célèbres) tests de signification - t tests de Student, les tests de chi-carré, analyse de la…
L'idée de base d'une analyse de variance (Anova) La dite analyse de la variance à un facteur (ANOVA) est utilisée lorsque l'on compare les trois ou plusieurs groupes de chiffres. Lorsque l'on compare seulement deux groupes (A et B), vous testez la différence (A - B) entre les deux…
La signification statistique et les valeurs p Lorsque vous traitez avec analyse de la clientèle en général, vous rencontrerez l'expression statistiquement significatif. Vous aurez également tomber sur quelque chose appelé un p-valeur. Il ya beaucoup emballé dans ce petit p et il ya des…