Statystyka F, wartość krytyczna F i wartość P

Pomyśl, czy masz 2 znajomych, którzy kłócą się o to, kto mieszka dalej od pracy /szkoła. Proponujesz rozstrzygnięcie debaty i poprosisz ich o zmierzenie, jak daleko mają do pokonania między domem a pracą. Obaj raportują do Ciebie, ale jeden zgłasza w milach, a drugi w kilometrach, więc nie możesz bezpośrednio porównać tych dwóch liczb. Możesz przeliczyć mile na kilometry lub kilometry na mile i dokonać porównania, którego konwersji dokonasz nie ma znaczenia, i tak podejmiesz taką samą decyzję.

Podobnie jest ze statystykami testowymi, nie możesz porównać wartości alfa ze statystyką F, musisz albo przekonwertować wartość alfa na wartość krytyczną i porównać statystykę F z wartością krytyczną, albo musisz przekształcić swoją statystykę F na wartość p i porównać wartość p na alfa.

Alfa jest wybierana z wyprzedzeniem (komputery często domyślnie mają wartość 0,05, jeśli nie ustawisz jej inaczej) i reprezentuje Twoją gotowość do fałszywego odrzucenia hipotezy zerowej, jeśli jest prawdziwa (błąd typu I) . Statystyka F jest obliczana na podstawie danych i przedstawia, o ile zmienność między średnimi przekracza oczekiwaną z powodu przypadku. Statystyka F większa niż wartość krytyczna jest równoważna wartości p mniejszej niż alfa i obie oznaczają, że odrzucić hipotezę zerową.

Nie porównujemy statystyki F z 1, ponieważ może być większa niż 1 tylko z powodu przypadku, tylko wtedy, gdy jest większa niż wartość krytyczna, mówimy, że jest mało prawdopodobne, że jest to przypadek i wolelibyśmy odrzucić hipotezę zerową.

W Na zajęciach, które prowadzę, zauważyłem, że uczniowie, którzy nie są tak młodzi jak inni i wracają do szkoły po dłuższej pracy, często zadają najlepsze pytania i są bardziej zainteresowani tym, co mogą zrobić z odpowiedziami (zamiast martwię się, jeśli jest na teście), więc nie bój się pytać.

Komentarze

• Ta odpowiedź od @GregSnow jest bardzo dobra . Po prostu pomyślałem, że ' d wskazuję na stronę wikipedii wyjaśniającą wartość p – pierwsze kilka akapitów w szczególne – ponieważ zrozumienie, które wydaje się być szczególnym problemem. (' d alo powtórzę jego komentarze dotyczące starszych uczniów.)
• Zobacz także statdistributions.com/f . W wielu przykładach, gdy 2 wariancje używane do obliczenia F są dzielone w celu uzyskania współczynnika, otrzymujemy taki rozkład – JEŚLI działa tylko przypadek. Pytanie brzmi, jak mało prawdopodobne byłoby przyjęcie takiego założenia F ?

Krótko mówiąc, odrzuć wartość null, gdy twoja wartość p jest mniejsza niż twój poziom alfa. Powinieneś również odrzucić wartość null, jeśli twoja krytyczna wartość f jest mniejsza niż twoja wartość F, powinieneś również odrzucić hipotezę zerową.Wartość F powinna być zawsze używana razem z wartością p przy podejmowaniu decyzji, czy twoje wyniki są wystarczająco istotne, aby odrzucić zerową hipoteza. Jeśli otrzymasz dużą wartość f, oznacza to, że coś jest znaczące, podczas gdy mała wartość p oznacza, że wszystkie wyniki są znaczące. Statystyka F po prostu porównuje łączny efekt wszystkich zmiennych razem. Mówiąc prościej, odrzuć hipotezę zerową tylko wtedy, gdy poziom alfa jest większy niż wartość p.

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

Przeczytałem polecony przez Ciebie post, ale czułem, że dostał problem i nadal nie rozumiem. Przechwyciłem jego treść i załączam jako obrazek poniżej. Czy możesz pomóc w jasnym wyjaśnieniu?

Komentarze

• Wartość krytyczna F NIE jest żadną statystyką. Spróbuj znaleźć inne książki do przeczytania.