F-statistiek, F-kritische waarde en P-waarde

Bedenk of je twee vrienden hebt die allebei ruzie maken over wie verder van het werk vandaan woont /school. Je biedt aan om het debat te beslechten en vraagt hen te meten hoe ver ze moeten reizen tussen huis en werk. Ze rapporteren allebei aan u terug, maar de een rapporteert in mijlen en de ander rapporteert in kilometers, dus u kunt de 2 cijfers niet rechtstreeks vergelijken. U kunt de mijlen naar kilometers of de kilometers naar mijlen converteren en de vergelijking maken, welke conversie u maakt, doet er niet toe, u komt hoe dan ook tot dezelfde beslissing.

Het is vergelijkbaar met teststatistieken, u kan uw alfa-waarde niet vergelijken met de F-statistiek u moet ofwel de alfa omzetten naar een kritische waarde en de F-statistiek vergelijken met de kritische waarde of u moet uw F-statistiek omzetten naar een p-waarde en de p-waarde vergelijken naar alpha.

Alpha wordt van tevoren gekozen (computers worden vaak standaard ingesteld op 0.05 als u het niet anders instelt) en vertegenwoordigt uw bereidheid om de nulhypothese ten onrechte af te wijzen als deze waar is (type I-fout) . De F-statistiek wordt berekend op basis van de gegevens en geeft aan hoeveel de variabiliteit tussen de gemiddelden groter is dan verwacht vanwege toeval. Een F-statistiek groter dan de kritische waarde is gelijk aan een p-waarde kleiner dan alfa en beide betekenen dat u verwerpen de nulhypothese.

We vergelijken de F-statistiek niet met 1 omdat het kan alleen door toeval groter zijn dan 1, het is alleen wanneer het groter is dan de kritische waarde waarvan we zeggen dat het onwaarschijnlijk is dat het toeval is en liever de nulhypothese verwerpen.

In de lessen die ik geef, heb ik gemerkt dat de studenten die niet zo jong zijn als de anderen en na een tijdje werken weer naar school gaan, vaak de beste vragen stellen en meer geïnteresseerd zijn in wat ze eigenlijk met de antwoorden kunnen doen (in plaats van maak je maar zorgen als het op de test staat), dus wees niet bang om het te vragen.

Reacties

• Dit antwoord van @GregSnow is erg goed . Ik dacht dat ik ' d naar de Wikipedia-pagina zou verwijzen met een uitleg van de p-waarde – de eerste paar alineas in bijzonder – aangezien begrip dat een bepaalde schrik lijkt te zijn. (Ik ' herhaal ook zijn opmerkingen over oudere leerlingen.)
• Zie ook statdistributions.com/f . Over de vele voorbeelden heen, wanneer de 2 varianties die worden gebruikt om F te berekenen, worden gedeeld om een verhouding te verkrijgen, krijgt men het soort verdeling dat wordt getoond – ALS er alleen maar kans bestaat. De vraag is, hoe onwaarschijnlijk zou een gegeven F zijn onder een dergelijke aanname?

Kortom, weiger de null als uw p-waarde kleiner is dan uw alpha-niveau. Je moet ook de nul afwijzen als je kritische f-waarde kleiner is dan je F-waarde, je moet ook de nulhypothese afwijzen. De F-waarde moet altijd samen met de p-waarde worden gebruikt om te beslissen of je resultaten significant genoeg zijn om de nul te verwerpen hypothese. Als u een grote f-waarde krijgt, betekent dit dat iets significant is, terwijl een kleine p-waarde betekent dat al uw resultaten significant zijn. De F-statistiek vergelijkt alleen het gezamenlijke effect van alle variabelen met elkaar. Om het simpel te zeggen: verwerp de nulhypothese alleen als uw alfaniveau groter is dan uw p-waarde.

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

Ik had het bericht gelezen dat je had aanbevolen, maar ik had het gevoel dat het een probleem en ik begrijp het nog steeds niet. Ik heb de inhoud vastgelegd en als een afbeelding hieronder bijgevoegd. Kun je helpen om het duidelijk uit te leggen?

Opmerkingen

• F kritische waarde is GEEN statistiek. Probeer andere boeken te vinden om te lezen.