F statisztika, F-kritikus érték és P-érték

Gondoljon arra, hogy van-e 2 barátja, akik mindketten azon vitatkoznak, hogy melyik lakik távolabb a munkától /iskola. Felajánlja, hogy rendezi a vitát, és megkéri őket, hogy mérjék meg, meddig kell utazniuk otthon és munkahely között. Mindkettő visszajelzést küld önnek, de az egyik mérföldben, a másik kilométerben számol be, így nem lehet közvetlenül összehasonlítani a 2 számot. A mérföldeket kilométerekké vagy a kilométereket mérföldekké konvertálhatja, és elvégezheti az összehasonlítást, melyik átalakítás nem számít, mindkét esetben ugyanarra a döntésre jut.

Hasonló a tesztstatisztikákkal, nem tudja összehasonlítani az alfa értékét az F-statisztikával, akkor vagy átalakítania kell az alfát kritikus értékre, és össze kell hasonlítania az F-statisztikát a kritikus értékkel, vagy pedig át kell alakítania az F-statisztikát p-értékre, és össze kell hasonlítania a p-értéket alfára.

Az alfát idő előtt választják (a számítógépek gyakran alapértelmezett értéke 0,05, ha másként nem állítja be), és ez azt jelenti, hogy hajlandó hamisan elutasítani a nullhipotézist, ha igaz (I. típusú hiba) . Az F-statisztikát az adatok alapján számolják, és ez mutatja, hogy az átlagok közötti változékonyság mennyivel haladja meg a véletlen miatt várható értéket. A kritikus értéknél nagyobb F-statisztika egyenértékű az alfa-nál kisebb p-értékkel, és mindkettő azt jelenti, hogy utasítsa el a nullhipotézist.

Az F-statisztikát nem hasonlítjuk össze az 1-vel, mert csak a véletlen miatt lehet nagyobb 1-nél, csak akkor mondjuk, hogy valószínűleg nem véletlen, és inkább elutasítja a nullhipotézist.

A osztályok, amelyeket tanítok, azt tapasztaltam, hogy azok a diákok, akik nem olyan fiatalok, mint a többiek, és egy idő után visszatérnek az iskolába, gyakran a legjobb kérdéseket teszik fel, és jobban érdekli őket, hogy valójában mit tehetnek a válaszokkal (nem pedig csak aggódni, ha teszten van), ezért ne féljen kérdezni.

Megjegyzések

• Ez a @GregSnow válasz nagyon jó . Csak azt hittem, ' rámutatok a wikipédia oldalára, amely elmagyarázza a p-értéket – a különösen – mivel a megértés egy különös hibafutásnak tűnik. (Én ' d alo visszhangozom az idősebb tanulókkal kapcsolatos észrevételeit.)
• Lásd még: statdistributions.com/f . Sok példa esetén, amikor az F kiszámításához használt 2 varianciát elosztjuk az arány megszerzéséhez, megkapjuk a bemutatott fajta eloszlást – HA csak a véletlen működik. A kérdés az, hogy egy adott F mennyire valószínűtlen lenne egy ilyen feltételezés alatt?

Tehát röviden, utasítsa el a nullát, ha a p értéke kisebb, mint az alfa szintje. Akkor is el kell utasítania a nullát, ha a kritikus f értéke kisebb, mint az F értéke, és el kell utasítania a null hipotézist is. Az F értéket mindig a p érték mellett kell használni annak eldöntésében, hogy az eredményei elég jelentősek-e a null elutasításához. hipotézis. Ha nagy f értéket kap, az azt jelenti, hogy valami jelentős, míg a kis p érték azt jelenti, hogy az összes eredmény jelentős. Az F statisztika csak összehasonlítja az összes változó együttes hatását. Leegyszerűsítve: csak akkor utasítsa el a nullhipotézist, ha az alfa szintje nagyobb, mint a p értéke.

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

Olvastam az általad ajánlott bejegyzést, de úgy éreztem, hogy megkapta probléma, és még mindig nem értem. Rögzítettem a tartalmát, és képmásként csatoltam. Tudna segíteni egyértelmű magyarázatban?

Megjegyzések

• Az F kritikus értéke NEM statisztika. Próbáljon meg más könyveket olvasni.