<\/p>\n
Due termini che gli studenti spesso confondono in statistica sono valore p<\/strong> e alfa<\/strong> .<\/span><\/p>\n Entrambi i termini sono utilizzati nei test di ipotesi<\/a> , che sono test statistici formali che utilizziamo per rifiutare o non riuscire a rifiutare un’ipotesi.<\/span><\/p>\n Ad esempio, supponiamo di ipotizzare che una nuova pillola riduca la pressione sanguigna dei pazienti pi\u00f9 dell’attuale pillola standard.<\/span><\/p>\n Per verificarlo, possiamo eseguire un test di ipotesi in cui definiamo le seguenti ipotesi nulle e alternative:<\/span><\/p>\n Ipotesi nulla:<\/strong> non c\u2019\u00e8 differenza tra la nuova pillola e la pillola standard.<\/span><\/p>\n Ipotesi alternativa:<\/strong> C’\u00e8<\/em> differenza tra la nuova pillola e la pillola standard.<\/span><\/p>\n Se assumiamo che l’ipotesi nulla sia vera, il valore p<\/strong> del test ci dice la probabilit\u00e0 di ottenere un effetto almeno altrettanto grande di quello effettivamente osservato nei dati campione.<\/span><\/p>\n Ad esempio, supponiamo di scoprire che il valore p per il test di ipotesi \u00e8 0,02.<\/span><\/p>\n Ecco come interpretare questo valore p: se davvero non ci fosse alcuna differenza tra la nuova pillola e la pillola standard, allora il 2% delle volte in cui eseguiamo questo test di ipotesi otterremo l’effetto osservato nel campione di dati, o pi\u00f9, semplicemente a causa di un errore di campionamento casuale.<\/span><\/p>\n Questo ci dice che ottenere i campioni di dati che abbiamo effettivamente ottenuto sarebbe piuttosto raro se davvero non ci fosse alcuna differenza tra la nuova pillola e la pillola standard.<\/span><\/p>\n Saremmo quindi propensi a rifiutare l\u2019ipotesi nulla e a concludere che esiste<\/em> una differenza tra la nuova pillola e la pillola standard.<\/span><\/p>\n Ma quale soglia dovremmo usare per determinare se il nostro valore p \u00e8 abbastanza basso da rifiutare l\u2019ipotesi nulla?<\/span><\/p>\n \u00c8 qui che entra in gioco l’alfa!<\/span><\/p>\n Il livello alfa<\/strong> di un test di ipotesi \u00e8 la soglia che utilizziamo per determinare se il nostro valore p \u00e8 sufficientemente basso da rifiutare l’ipotesi nulla. Spesso \u00e8 impostato su 0,05, ma a volte \u00e8 impostato su 0,01 o 0,10.<\/span><\/p>\n Ad esempio, se impostiamo il livello alfa di un test di ipotesi su 0,05 e otteniamo un valore p di 0,02, rifiuteremo l’ipotesi nulla poich\u00e9 il valore p \u00e8 inferiore al livello alfa. Pertanto, concluderemmo che abbiamo prove sufficienti per affermare che l\u2019ipotesi alternativa \u00e8 vera.<\/span><\/p>\n \u00c8 importante notare che il livello alfa definisce anche la probabilit\u00e0 di rifiutare erroneamente un’ipotesi nulla vera.<\/span><\/p>\n Ad esempio, supponiamo di voler verificare se esiste o meno una differenza nella riduzione media della pressione sanguigna tra una nuova pillola e quella attuale. E supponiamo che non<\/em> ci sia differenza tra le due pillole.<\/span><\/p>\n Se impostiamo il livello alfa di un test di ipotesi su 0,05, ci\u00f2 significa che se ripetessimo pi\u00f9 volte il processo di test di ipotesi, ci aspetteremmo di rifiutare erroneamente l’ipotesi nulla in circa il 5% dei casi. prove.<\/span><\/p>\n Come accennato in precedenza, la scelta pi\u00f9 comune per il livello alfa di un test di ipotesi \u00e8 0,05. Tuttavia, in alcune situazioni in cui conclusioni errate portano a gravi conseguenze, possiamo impostare il livello alfa ancora pi\u00f9 basso, forse 0,01.<\/span><\/p>\n Ad esempio, in campo medico, \u00e8 normale che i ricercatori impostino il livello alfa su 0,01 perch\u00e9 vogliono essere sicuri che i risultati di un test di ipotesi siano affidabili.<\/span><\/p>\n Al contrario, in campi come il marketing, potrebbe essere pi\u00f9 comune impostare il livello alfa pi\u00f9 alto, ad esempio 0,10, perch\u00e9 le conseguenze di un errore non sono n\u00e9 la vita n\u00e9 la morte.<\/span><\/p>\n Va notato che aumentando il livello alfa di un test aumenteranno le possibilit\u00e0 di trovare un risultato del test di significativit\u00e0, ma aumenteranno anche le possibilit\u00e0 di rifiutare erroneamente un’ipotesi nulla vera.<\/span><\/p>\n Ecco cosa abbiamo imparato in questo articolo:<\/span><\/p>\n 1.<\/strong> Un valore p<\/strong> ci dice la probabilit\u00e0 di ottenere un effetto almeno altrettanto grande di quello effettivamente osservato nei dati campione.<\/span><\/p>\n 2.<\/strong> Un livello alfa<\/strong> \u00e8 la probabilit\u00e0 di rifiutare erroneamente un’ipotesi nulla vera.<\/span><\/p>\n 3.<\/strong> Se il valore p di un test di ipotesi \u00e8 inferiore al livello alfa, allora possiamo rifiutare l’ipotesi nulla.<\/span><\/p>\n 4.<\/strong> Aumentando il livello alfa di un test aumenta la possibilit\u00e0 di trovare un risultato significativo, ma aumenta anche la possibilit\u00e0 di rifiutare erroneamente un’ipotesi nulla vera.<\/span><\/p>\n Introduzione al test di ipotesi<\/a> Due termini che gli studenti spesso confondono in statistica sono valore p e alfa . Entrambi i termini sono utilizzati nei test di ipotesi , che sono test statistici formali che utilizziamo per rifiutare o non riuscire a rifiutare un’ipotesi. Ad esempio, supponiamo di ipotizzare che una nuova pillola riduca la pressione sanguigna dei pazienti […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n Livello alfa<\/strong><\/span><\/h3>\n
Come scegliere il livello Alpha<\/strong><\/span><\/h3>\n
Riepilogo:<\/strong><\/span><\/h3>\n
Risorse addizionali<\/strong><\/span><\/h3>\n
Come scrivere un’ipotesi nulla (5 esempi)<\/a>
Come identificare una sinistra vs. Prova giusta<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"