پی-مقدار

در آزمون معناداری فرض صفر، p-مقدار (p-value)[نکته 1]، احتمال بدست آوردن نتایج آزمون تحت فرض صفر است (با فرض درست بودن آن).[2][3] اگر p-مقدار بسیار کوچک باشد، بدین معنیست که تحت فرض صفر، خروجی‌های مشاهده شده بسیار غیر محتمل اند. گزارش p-مقدار آزمون‌های آماری در نشریات دانشگاهی بسیاری از شاخه‌های علمی، امری رایج است. از آنجا که دریافت معنای دقیق p-مقدار مشکل است، از آن در حد وسیعی سوء استفاده شده و موضوعی اصلی در فرا-علم (metascience، که با کمک روش-شناسی علمی، به مطالعه خود علم می‌پردازد) بوده‌است.[4][5]

مفاهیم پایه

در آمار، به هر حدس مرتبط با توزیع احتمالاتی مجهولِ گردایه ای از متغیرهای تصادفی، فرض آماری گفته شده، که متغیرهای مذکور، نماینده داده‌های مشاهده شده X در یک مطالعات تحقیقاتی می باشند. اگر ما صرفاً یک فرض را بیان کرده و هدف آزمون آماری هم بررسی درستی آن باشد تا در صورت نادرستی به سراغ فرض های دیگری رود، در این صورت به آن آزمون آماری، آزمون معناداری گفته می شود. توجه کنید که فرض به خودی خود ممکن است قادر باشد تا توزیع مجهول X را به طور دقیق مشخص کند، یا ممکن است تنها چیزی که بگوید این باشد که این توزیع به دسته ای از توزیع ها متعلق است. اغلب، ما داده ها را به یک آماره عددی T تقلیل می دهیم که توزیع احتمالاتی حاشیه ای آن ارتباط نزدیکی با سؤال اصلی مد نظر در مطالعات دارد.

یادداشت‌ها

  1. ایتالیک شدگی، بزرگی و کوچکی حروف و خط فاصله در این عبارت بین منابع مختلف متفاوت است. به عنوان مثال در سبک نوشتاری AMA، از "P value" استفاده شده در حالی که سبک APA به صورت "p value" و انجمن آمار آمریکا آن را به صورت "p-value" می‌نویسد.[1]

منابع

  1. http://magazine.amstat.org/wp-content/uploads/STATTKadmin/style%5B1%5D.pdf
  2. Aschwanden, Christie (2015-11-24). "Not Even Scientists Can Easily Explain P-values". FiveThirtyEight. Archived from the original on 25 September 2019. Retrieved 11 October 2019.
  3. Wasserstein, Ronald L.; Lazar, Nicole A. (7 March 2016). "The ASA's Statement on p-Values: Context, Process, and Purpose". The American Statistician. 70 (2): 129–133. doi:10.1080/00031305.2016.1154108.
  4. Hubbard, Raymond; Lindsay, R. Murray (2008). "Why P Values Are Not a Useful Measure of Evidence in Statistical Significance Testing". Theory & Psychology. 18 (1): 69–88. doi:10.1177/0959354307086923.
  5. Ioannidis, John P. A.; et al. (January 2017). "A manifesto for reproducible science" (PDF). Nature Human Behaviour. 1: 0021. doi:10.1038/s41562-016-0021. S2CID 6326747.

مطالعه بیشتر

پیوندهای بیرونی

This article is issued from Wikipedia. The text is licensed under Creative Commons - Attribution - Sharealike. Additional terms may apply for the media files.