F-statistik, F-kritisk værdi og P-værdi

Tænk over, om du har 2 venner, der begge skændes om, hvilken der bor længere fra arbejde /skole. Du tilbyder at afvikle debatten og bede dem om at måle, hvor langt de skal rejse mellem hjem og arbejde. De rapporterer begge tilbage til dig, men den ene rapporterer i miles og den anden rapporterer i kilometer, så du kan ikke sammenligne de 2 tal direkte. Du kan konvertere miles til kilometer eller kilometer til miles og foretage sammenligningen, hvilken konvertering du laver betyder ikke noget, du kommer til den samme beslutning på begge måder.

Det ligner teststatistikker, du kan ikke sammenligne din alfa-værdi med F-statistikken, du har brug for for at konvertere alpha til en kritisk værdi og sammenligne F-statistikken med den kritiske værdi, eller du skal konvertere din F-statistik til en p-værdi og sammenligne p-værdien til alfa.

Alpha vælges på forhånd (computere er ofte standard til 0,05, hvis du ikke angiver det andet) og repræsenterer din vilje til falsk at afvise nulhypotesen, hvis den er sand (type I-fejl) F-statistikken beregnes ud fra dataene og repræsenterer, hvor meget variabiliteten mellem midlerne overstiger den forventede på grund af en tilfældighed. En F-statistik, der er større end den kritiske værdi, svarer til en p-værdi mindre end alfa, og begge betyder, at du afvis nulhypotesen.

Vi sammenligner ikke F-statistikken med 1 fordi det kan være større end 1 kun på grund af tilfældighed, det er kun når det er større end den kritiske værdi, som vi siger, det sandsynligvis ikke skyldes tilfældighed og hellere vil afvise nulhypotesen.

I klasser, som jeg underviser, har jeg fundet ud af, at de studerende, der ikke er lige så unge som de andre, og som vender tilbage til skolen efter at have arbejdet et stykke tid, ofte stiller de bedste spørgsmål og er mere interesserede i, hvad de rent faktisk kan gøre med svarene (snarere end bare bekymrende, hvis det er på testen), så vær ikke bange for at spørge.

Kommentarer

• Dette svar fra @GregSnow er meget godt . Jeg troede bare, at jeg ' pegede på wikipedia-siden, der forklarede p-værdi – det første par afsnit i særlig – siden forståelse der synes at være en bestemt bugbear. (Jeg ' d ekko også hans kommentarer vedrørende ældre studerende.)
• Se også statdistributions.com/f . På tværs af mange eksempler, når de to afvigelser, der bruges til at beregne F , er opdelt for at opnå et forhold, får man den slags distribution vist – HVIS intet andet end tilfældighed fungerer. Spørgsmålet er, hvor usandsynligt ville en given F være under en sådan antagelse?

Så kort sagt, afvis nulstillingen, når din p-værdi er mindre end dit alfa-niveau. Du skal også afvise nul, hvis din kritiske f-værdi er mindre end din F-værdi, du skal også afvise nulhypotesen. F-værdien skal altid bruges sammen med p-værdien til at afgøre, om dine resultater er signifikante nok til at afvise nullen hypotese. Hvis du får en stor f-værdi, betyder det, at noget er signifikant, mens en lille p-værdi betyder, at alle dine resultater er signifikante. F-statistikken sammenligner bare den fælles virkning af alle variablerne sammen. For at sige det enkelt skal du kun afvise nulhypotesen, hvis dit alfa-niveau er større end din p-værdi.

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

Jeg havde læst det indlæg, du anbefalede, men jeg følte, at det var blevet et problem, og jeg forstår det stadig ikke. Jeg fangede indholdet og vedhæftede det som et billede under. Kan du hjælpe med at forklare det tydeligt?

Kommentarer

• F kritisk værdi er IKKE nogen statistik. Prøv at finde andre bøger at læse.