F-Statistik, F-kritischer Wert und P-Wert

Überlegen Sie, ob Sie zwei Freunde haben, die sich beide streiten, über die man weiter von der Arbeit entfernt lebt /Schule. Sie bieten an, die Debatte beizulegen und sie zu bitten, zu messen, wie weit sie zwischen Zuhause und Arbeit reisen müssen. Beide melden sich bei Ihnen, aber einer meldet sich in Meilen und der andere in Kilometern, sodass Sie die beiden Zahlen nicht direkt vergleichen können. Sie können die Meilen in Kilometer oder die Kilometer in Meilen umrechnen und den Vergleich durchführen. Welche Umrechnung Sie spielen, spielt keine Rolle. Sie werden in beiden Fällen zu derselben Entscheidung kommen.

Ähnlich verhält es sich mit Teststatistiken Sie können Ihren Alpha-Wert nicht mit der F-Statistik vergleichen. Sie müssen entweder Alpha in einen kritischen Wert konvertieren und die F-Statistik mit dem kritischen Wert vergleichen, oder Sie müssen Ihre F-Statistik in einen p-Wert konvertieren und den p-Wert vergleichen

Alpha wird im Voraus ausgewählt (Computer werden häufig standardmäßig auf 0,05 gesetzt, wenn Sie es nicht anders einstellen) und steht für Ihre Bereitschaft, die Nullhypothese fälschlicherweise abzulehnen, wenn sie wahr ist (Fehler Typ I). Die F-Statistik wird aus den Daten berechnet und gibt an, um wie viel die Variabilität zwischen den Mitteln die zufällig erwartete überschreitet. Eine F-Statistik, die größer als der kritische Wert ist, entspricht einem p-Wert kleiner als Alpha und beide bedeuten, dass Sie lehnen Sie die Nullhypothese ab.

Wir vergleichen die F-Statistik nicht mit 1, weil es kann nur zufällig größer als 1 sein, nur wenn es größer als der kritische Wert ist, sagen wir, dass es unwahrscheinlich ist, dass es zufällig ist, und würden die Nullhypothese eher ablehnen.

In der Klassen, die ich unterrichte Ich habe festgestellt, dass die Schüler, die nicht ganz so jung sind wie die anderen und nach einer Weile wieder zur Schule zurückkehren, oft die besten Fragen stellen und mehr daran interessiert sind, was sie tatsächlich mit den Antworten anfangen können (anstatt Ich mache mir nur Sorgen, wenn es sich um einen Test handelt. Haben Sie also keine Angst zu fragen.

Kommentare

• Diese Antwort von @GregSnow ist sehr gut . Ich dachte nur, ich ' verweise auf die Wikipedia-Seite, auf der der p-Wert erklärt wird – die ersten Absätze in insbesondere – da das Verständnis ein besonderer Bugbear zu sein scheint. (Ich ' stimme auch seinen Kommentaren zu älteren Schülern zu.)
• Siehe auch statdistributions.com/f . Wenn in vielen Beispielen die 2 Varianzen, die zur Berechnung von F verwendet werden, geteilt werden, um ein Verhältnis zu erhalten, wird die Art der Verteilung angezeigt – WENN nichts als Zufall funktioniert. Die Frage ist, wie unwahrscheinlich ein gegebenes F unter einer solchen Annahme wäre?

Kurz gesagt, lehnen Sie die Null ab, wenn Ihr p-Wert kleiner als Ihr Alpha-Level ist. Sie sollten die Null auch ablehnen, wenn Ihr kritischer f-Wert kleiner als Ihr F-Wert ist. Sie sollten auch die Nullhypothese ablehnen. Der F-Wert sollte immer zusammen mit dem p-Wert verwendet werden, um zu entscheiden, ob Ihre Ergebnisse signifikant genug sind, um die Null abzulehnen Hypothese. Wenn Sie einen großen f-Wert erhalten, bedeutet dies, dass etwas signifikant ist, während ein kleiner p-Wert bedeutet, dass alle Ihre Ergebnisse signifikant sind. Die F-Statistik vergleicht nur den gemeinsamen Effekt aller Variablen miteinander. Um es einfach auszudrücken, lehnen Sie die Nullhypothese nur ab, wenn Ihr Alpha-Level größer als Ihr p-Wert ist.

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

Ich hatte den von Ihnen empfohlenen Beitrag gelesen, hatte jedoch das Gefühl, dass er erhalten wurde Ein Problem, das ich immer noch nicht verstehe. Ich habe den Inhalt erfasst und als Bild unten angehängt. Können Sie uns helfen, es klar zu erklären?

Kommentare

• F kritischer Wert ist KEINE Statistik. Versuchen Sie, andere Bücher zum Lesen zu finden.