F-statistikk, F-kritisk verdi og P-verdi

Tenk på om du har to venner som begge krangler om hvilken som bor lenger fra jobben. /skole. Du tilbyr å avgjøre debatten og be dem om å måle hvor langt de har å reise mellom hjem og jobb. De rapporterer begge tilbake til deg, men den ene rapporterer i miles og den andre rapporterer i kilometer, så du kan ikke sammenligne de 2 tallene direkte. Du kan konvertere miles til kilometer eller kilometer til miles og gjøre sammenligningen, hvilken konvertering du gjør ikke betyr noe, du kommer til den samme avgjørelsen uansett.

Det er likt med teststatistikk, du kan ikke sammenligne alfa-verdien din med F-statistikken du trenger for å konvertere alfa til en kritisk verdi og sammenligne F-statistikken med den kritiske verdien, eller du må konvertere F-statistikken din til en p-verdi og sammenligne p-verdien til alfa.

Alpha velges på forhånd (datamaskiner stiller ofte til 0,05 hvis du ikke angir det på annen måte) og representerer din vilje til å forkaste nullhypotesen på feil måte hvis det er sant (type I-feil) F-statistikken beregnes ut fra dataene og representerer hvor mye variasjonen mellom midlene overstiger den forventede på grunn av tilfeldigheter. En F-statistikk større enn den kritiske verdien tilsvarer en p-verdi mindre enn alfa, og begge betyr at du avvis nullhypotesen.

Vi sammenligner ikke F-statistikken med 1 fordi det kan være større enn 1 bare på grunn av tilfeldigheter, det er bare når det er større enn den kritiske verdien vi sier at det er usannsynlig at det skyldes tilfeldigheter og heller vil avvise nullhypotesen.

I klasser som jeg underviser har jeg funnet ut at elevene som ikke er like unge som de andre og som kommer tilbake til skolen etter å ha jobbet en stund ofte stiller de beste spørsmålene og er mer interessert i hva de faktisk kan gjøre med svarene (i stedet for bare bekymre deg hvis det er på prøve), så vær ikke redd for å spørre.

Kommentarer

• Dette svaret fra @GregSnow er veldig bra . Jeg trodde bare at jeg ' peker på wikipedia-siden som forklarer p-verdi – de første par avsnittene i spesielt – siden forståelse som ser ut til å være en bestemt bugbear. (Jeg ' d ekko også hans kommentarer angående eldre studenter.)
• Se også statdistributions.com/f . På tvers av mange eksempler, når de to avvikene som ble brukt til å beregne F er delt for å oppnå et forhold, får man den slags distribusjon som vises – HVIS ingenting annet enn tilfeldighet fungerer. Spørsmålet er, hvor usannsynlig ville en gitt F være under en slik antagelse?

Så kort sagt, Avvis null når p-verdien din er mindre enn alfa-nivået ditt. Du bør også avvise null hvis den kritiske f-verdien din er mindre enn F-verdien din, og du bør også avvise nullhypotesen. F-verdien bør alltid brukes sammen med p-verdien for å avgjøre om resultatene dine er signifikante nok til å avvise null. hypotese. Hvis du får en stor f-verdi, betyr det at noe er betydelig, mens en liten p-verdi betyr at alle resultatene dine er signifikante. F-statistikken sammenligner bare felleseffekten av alle variablene sammen. For å si det enkelt, avvis nullhypotesen bare hvis alfa-nivået er større enn p-verdien.

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

Jeg hadde lest innlegget du anbefalte, men jeg følte at det hadde fått et problem, og jeg forstår det fortsatt ikke. Jeg fanget innholdet og la ved som et bilde nedenfor. Kan du hjelpe til med å forklare det tydelig?

Kommentarer

• F-kritisk verdi er IKKE noen statistikk. Prøv å finne andre bøker å lese.