Olen tällä alalla hyvin uusi ja minulla on vaikeuksia ymmärtää nullhypoteesin hylkäämisen käsitettä perustuu ANOVA-taulukon tuloksiin.
-
Kuinka laskettu F ja kriittinen arvo liittyvät p-arvoon?
-
Ja jos laskettu F on suurempi kuin 1, merkitseekö se aina, että nollahypoteesi on hylättävä, vaikka p-arvo olisi pienempi kuin alfa?
Anteeksi, jos nämä kysymykset ovat merkkejä tietämättömyydestäni, mutta olen 57 ja palaan kouluun 35 vuoden poissaolon jälkeen! Kiitos avusta.
Vastaa
Ajattele, jos sinulla on 2 kaveria, jotka molemmat kiistelevät siitä, kumpi asuu kauemmas työstä /koulu. Voit tarjota keskustelun ja pyytää heitä mittaamaan, kuinka pitkälle heidän on matkustettava kodin ja työpaikan välillä. He molemmat raportoivat sinulle, mutta yksi raportoi maileina ja muut kilometreinä, joten et voi verrata kahta numeroa suoraan. Voit muuntaa mailit kilometreiksi tai kilometrit maileiksi ja tehdä vertailun. Millä muunnoksella ei ole merkitystä, tulet samaan päätökseen kumpaankin suuntaan.
Se on samanlainen testitilastojen kanssa, sinä alfa-arvoa ei voi verrata F-tilastoon, sinun on joko muunnettava alfa kriittiseksi arvoksi ja verattava F-tilastoa kriittiseksi arvoksi tai sinun on muunnettava F-tilastosi p-arvoksi ja verattava p-arvoa alfaksi.
Alfa valitaan etuajassa (tietokoneiden oletusarvo on usein 0,05, jos et aseta sitä toisin) ja edustaa halukkuuttasi hylätä virheellisesti nollahypoteesi, jos se on totta (tyypin I virhe) . F-tilasto lasketaan tiedoista ja se kuvaa kuinka paljon keskiarvojen vaihtelu ylittää sattuman vuoksi odotetun. Kriittistä arvoa suurempi F-tilasto vastaa p-arvoa, joka on pienempi kuin alfa, ja molemmat tarkoittavat, että hylkää nullhypoteesi.
Emme vertaa F-tilastoa yhteen, koska se voi olla suurempi kuin 1 vain sattuman takia, vain kun se on suurempi kuin kriittinen arvo, sanomme sen todennäköisesti johtuvan sattumasta ja hylkäämme mieluummin tyhjän hypoteesin.
luokat, joita opetan, olen huomannut, että opiskelijat, jotka eivät ole aivan yhtä nuoria kuin muut ja palaavat kouluun jonkin aikaa työskenneltyään, kysyvät usein parhaita kysymyksiä ja ovat kiinnostuneempia siitä, mitä he voivat todella tehdä vastauksilla (eikä vain huolestuttavaa, jos se on testissä), joten älä pelkää kysyä.
Kommentit
- Tämä @GregSnowin vastaus on erittäin hyvä . Ajattelin vain, että ' osoitin wikipedia-sivulle, joka selittää p-arvon – muutaman ensimmäisen kappaleen erityisesti – koska ymmärtäminen näyttää olevan erityinen bugbear. (I ' d alo toistaa hänen kommenttinsa vanhemmista opiskelijoista.)
- Katso myös statdistributions.com/f . Monista esimerkeistä, kun F : n laskemiseen käytetyt 2 varianssia jaetaan suhteen saamiseksi, saadaan näytetty jakauma – JOS mitään muuta kuin sattumaa ei toimi. Kysymys kuuluu, kuinka epätodennäköistä tietty F olisi tällaisen oletuksen alla?
Vastaus
Joten lyhyesti: Hylkää nolla, kun p-arvo on pienempi kuin alfataso. Sinun on myös hylättävä nolla, jos kriittinen f-arvo on pienempi kuin F-arvo, sinun on myös hylättävä nolla-hypoteesi. F-arvoa tulisi käyttää aina p-arvon kanssa päättäessäsi, ovatko tulokset riittävän merkittäviä nollan hylkäämiseksi hypoteesi. Jos saat suuren f-arvon, se tarkoittaa jotain merkitsevää, kun taas pieni p-arvo tarkoittaa, että kaikki tulokset ovat merkittäviä. F-tilasto vertaa vain kaikkien muuttujien yhteisvaikutusta yhteen. Yksinkertaisesti sanottuna hylkää nollahypoteesi vain, jos alfataso on suurempi kuin p-arvo.
Lähde: http://www.statisticshowto.com/f-value-one-way-anova-reject-null-hypotheses/
vastaus
Olin lukenut suosittelemasi viestin, mutta minusta tuntui, että se oli saanut ongelma ja en edelleenkään ymmärrä. Sieppasin sen sisällön ja liitin kuvan kuvaan. Voitteko auttaa selittämään sen selvästi? 
Kommentit
- F-kriittinen arvo EI OLE tilastoja. Yritä löytää muita luettavia kirjoja.