Statistika F, kritická hodnota F a hodnota P

Přemýšlejte o tom, jestli máte 2 přátele, kteří se oba dohadují, který z nich žije dále od práce /škola. Nabídnete jim urovnání debaty a požádáte je, aby změřili, jak daleko musí cestovat mezi domovem a prací. Oba se hlásí zpět k vám, ale jeden hlásí v mílích a druhý v kilometrech, takže nemůžete přímo porovnávat dvě čísla. Můžete převést míle na kilometry nebo kilometry na míle a provést srovnání, na kterém převodu nezáleží, přijdete ke stejnému rozhodnutí v každém případě.

Podobné je to s testovací statistikou, vy nemůžete porovnat vaši hodnotu alfa se statistikou F, musíte převést alfa na kritickou hodnotu a porovnat statistiku F s kritickou hodnotou nebo musíte převést svou statistiku F na hodnotu p a porovnat hodnotu p na alfa.

Alfa je vybrána předem (počítače často mají výchozí hodnotu 0,05, pokud ji nenastavíte jinak) a představuje vaši ochotu falešně odmítnout nulovou hypotézu, pokud je pravdivá (chyba typu I) . F-statistika se počítá z dat a představuje, jak moc variabilita mezi prostředky převyšuje očekávanou v důsledku náhody. F-statistika větší než kritická hodnota je ekvivalentní hodnotě p menší než alfa a obě znamenají, že odmítnout nulovou hypotézu.

F-statistiku neporovnáváme s 1, protože může být větší než 1 pouze kvůli náhodě, pouze když je větší než kritická hodnota, říkáme, že je nepravděpodobné, že by to bylo kvůli náhodě, a raději odmítne nulovou hypotézu.

V tříd, které učím, jsem zjistil, že studenti, kteří nejsou tak mladí jako ostatní a po nějaké době se vracejí do školy, se často ptají na nejlepší otázky a více se zajímají o to, co mohou s odpověďmi dělat (spíše než jen se obávám, jestli je na testu), takže se nebojte zeptat.

Komentáře

• Tato odpověď od @GregSnow je velmi dobrá . Jen jsem si myslel, že ' d ukážu na stránku wikipedia vysvětlující p-hodnotu – prvních pár odstavců v zejména – protože pochopení toho se zdá být zvláštním bugbearem. (I ' d alo echo jeho komentáře týkající se starších studentů.)
• Viz také statdistribuce.com/f . Napříč mnoha příklady, když jsou 2 odchylky použité k výpočtu F rozděleny, aby se získal poměr, získá se druh distribuce zobrazený – POKUD nic jiného než náhoda nefunguje. Otázkou je, jak nepravděpodobné by dané F bylo za takového předpokladu?

Stručně řečeno, odmítněte hodnotu null, pokud je vaše hodnota p menší než úroveň alfa. Měli byste také odmítnout hodnotu null, pokud je vaše kritická hodnota f menší než vaše hodnota F, měli byste také odmítnout nulovou hypotézu. Hodnota F by měla být vždy použita společně s hodnotou p při rozhodování, zda jsou vaše výsledky dostatečně významné, aby odmítly hodnotu null hypotéza. Pokud získáte velkou hodnotu f, znamená to, že je něco významné, zatímco malá hodnota p znamená, že všechny vaše výsledky jsou významné. Statistika F pouze porovnává společný účinek všech proměnných dohromady. Jednoduše řečeno, odmítněte nulovou hypotézu, pouze pokud je vaše alfa hladina větší než vaše hodnota p.

Zdroj: http://www.statisticshowto.com/f-value-one-way-anova-reject-null-hypotheses/

Přečetl jsem si doporučený příspěvek, ale cítil jsem, že se dostal problém a já stále nerozumím. Zachytil jsem jeho obsah a připojil se jako obrázek níže. Můžete mi ho vysvětlit jasně?

Komentáře

• F kritická hodnota NENÍ žádná statistika. Zkuste najít další knihy ke čtení.