အရေးပါမှုအဆင့်

ဤဆောင်းပါးသည် စာရင်းဇယားများတွင် မည်ကဲ့သို့ အရေးပါမှုအဆင့်ကို ရှင်းပြထားသည်။ ထို့ကြောင့် သင်သည် အရေးပါမှုအဆင့်၏ အဓိပ္ပာယ်၊ မကြာခဏ အရေးပါမှုအဆင့်များပါသည့် ဇယားနှင့် အခြားကိန်းဂဏန်းဆိုင်ရာ အယူအဆများနှင့် အရေးပါမှုအဆင့်၏ ဆက်စပ်မှုကို သင်တွေ့လိမ့်မည်။

အရေးပါမှုအဆင့်ကဘာလဲ။

သိသာထင်ရှားမှုအဆင့် သည် လူဦးရေရှိ စာရင်းအင်းဆိုင်ရာ ကန့်သတ်ချက်တစ်ခု၏ ခန့်မှန်းချက်သည် ယုံကြည်မှုကြားကာလ၏ ပြင်ပတွင် ရှိနေသည့် ဖြစ်နိုင်ခြေဖြစ်သည်။ တစ်နည်းဆိုရသော်၊ အရေးပါမှုအဆင့်သည် အမှန်တကယ်မှန်သော ယူဆချက်တစ်ခုကို ငြင်းပယ်ခြင်း၏ ဖြစ်နိုင်ခြေဖြစ်သည်။

စာရင်းဇယားများတွင်၊ အရေးပါမှုအဆင့်ကို ဂရိသင်္ကေတ α (alpha) ဖြင့် ကိုယ်စားပြုသည်။ ထို့ကြောင့် ၎င်းကို alpha အဆင့် ဟုလည်း ခေါ်သည်။

ဥပမာအားဖြင့်၊ အရေးပါမှုအဆင့်သည် α=0.05 ဖြစ်ပါက၊ ဆိုလိုသည်မှာ အမှန်ဖြစ်သောအခါ အယူအဆတစ်ခုကို ငြင်းပယ်ခြင်း၏ ဖြစ်နိုင်ခြေသည် 5% ဖြစ်သည်။ တစ်နည်းဆိုရသော်၊ ကိန်းဂဏန်းဘောင်တစ်ခုအား ခန့်မှန်းကာ အမှား၏အနားသတ်ထက်ကြီးသော အမှားတစ်ခုနှင့် မှားခြင်းဖြစ်နိုင်ခြေမှာ 5% ဖြစ်သည်။

ထို့ကြောင့်၊ ရလဒ်သည် ကိန်းဂဏန်းအရ သိသာထင်ရှားသည်ဖြစ်စေ မဆုံးဖြတ်နိုင်သော အဓိပ္ပာယ်အဆင့်သည် p-value သည် အရေးပါမှုအဆင့်ထက် နည်းနေပါက၊ ရလဒ်သည် ကိန်းဂဏန်းအရ သိသာထင်ရှားသည်ဟု ယူဆပါသည်။ အောက်တွင် အရေးကြီးသော အဆင့်နှင့် p-value အကြား ဆက်နွယ်မှုကို တွေ့ရပါမည်။

အရေးပါမှုအဆင့်ဇယား

အရေးပါမှုအဆင့်၏ အဓိပ္ပါယ်ဖွင့်ဆိုချက်ကို ကျွန်ုပ်တို့မြင်ပြီးသည်နှင့်၊ အသုံးအများဆုံး အရေးပါမှုအဆင့်များ၏ တန်ဖိုးများပါသော ဇယားတစ်ခုကို အောက်တွင် ဖော်ပြထားပါသည်။

ယုံကြည်မှုကြားကာလ၏ ကန့်သတ်ချက်များကို တွက်ချက်ရန်အတွက် ဤဇယားသည် အလွန်အသုံးဝင်ပါသည်။

ဇယားတွင် သင်တွေ့မြင်ရသည့်အတိုင်း၊ ယုံကြည်မှုအဆင့်ကို တိုးမြှင့်ခြင်းသည် အယူအဆတစ်ခုကို လက်ခံသောအခါ အမှားလုပ်မိနိုင်ခြေ နည်းပါးစေပြီး၊ ကိန်းဂဏန်းဆိုင်ရာ ကန့်သတ်ချက်တစ်ခု၏ ခန့်မှန်းချက်တွင် တိကျမှုနည်းပါးသည့် အဓိပ္ပာယ်အဆင့်ကို လျော့နည်းစေသည်။ . ယေဘုယျအားဖြင့်၊ အများအားဖြင့် 5% ၏ အရေးပါမှုအဆင့် (α=0.05) ကို အသုံးပြုသည်။

ထူးထူးခြားခြား 0% နှင့် 100% အဆင့်၊

သိသာထင်ရှားမှုအဆင့်တန်ဖိုးသည် 0% (α=0.00) မှ 100% (α=1) အထိ ရှိနိုင်ပါသည်။ သို့သော်၊ ဤလွန်ကဲသောတန်ဖိုးနှစ်ခုသည် ကိန်းဂဏန်းစာရင်းဇယားများတွင် ဘယ်တော့မှမပေါ်သင့်ပါ

0% ၏ အရေးပါမှုအဆင့်သည် လက်ခံထားသော ယူဆချက်၏ အမှန်တရားနှင့် ပတ်သက်၍ သံသယမရှိဟု ဆိုလိုသည်။ သို့သော်လည်း လူဦးရေ တစ်ခုလုံးကို ခွဲခြမ်းစိတ်ဖြာခြင်းမပြုပါက ကိန်းဂဏန်း 0% ၏ အရေးပါမှုအဆင့်သည် မတည်ရှိပါ၊ နှင့် အမှားအယွင်းများ သို့မဟုတ် ဘက်လိုက်မှုများ လုံးဝမဖြစ်ပေါ်ကြောင်းကိုပင် လုံးလုံးလျားလျား မသေချာနိုင်ပါ။ စုံစမ်းစစ်ဆေးနေစဉ်အတွင်း ထုတ်လုပ်ခဲ့သည်။

ဆန့်ကျင်ဘက်အားဖြင့်၊ 100% ၏ အရေးပါမှုအဆင့်သည် ငြင်းဆိုထားသော ယူဆချက်သည် သံသယကင်းစွာ မှန်ကန်ကြောင်း ဆိုလိုသည်။ သို့သော် ယုတ္တိနည်းအရ၊ အချို့သောရလဒ်များသည် 100% သိသိသာသာရရှိပါက စာရင်းအင်းလေ့လာမှုကို ထပ်ခါတလဲလဲမလုပ်မီ ရလဒ်များ၏တိကျမှုနှင့်ပတ်သက်ပြီး သေချာမှုမရှိသောကြောင့် ၎င်းတို့ကို ထုတ်ပြန်မည်မဟုတ်ပါ။

သိသာထင်ရှားမှုအဆင့်နှင့် ယုံကြည်မှုအဆင့်

ရှင်းရှင်းလင်းလင်းရှိရမည့် စာရင်းဇယားများတွင် အနီးကပ်ဆက်စပ်နေသော သဘောတရားနှစ်ခုမှာ အရေးပါမှုအဆင့်နှင့် ယုံကြည်မှုအဆင့်ဖြစ်သည်။ ထို့ကြောင့် ဤကဏ္ဍတွင် အရေးပါမှုအဆင့်နှင့် ယုံကြည်မှုအဆင့်ကြား ခြားနားချက်ကို ကျွန်ုပ်တို့ မြင်တွေ့ရမည်ဖြစ်သည်။

အရေးပါမှုအဆင့်နှင့် ယုံကြည်မှုအဆင့်အကြား ခြားနားချက် မှာ ၎င်းတို့သတ်မှတ်ထားသော ဖြစ်နိုင်ခြေဖြစ်သည်။ ယုံကြည်မှုအဆင့်သည် အယူအဆတစ်ခုကို လက်ခံခြင်း၏ဖြစ်နိုင်ခြေဖြစ်ပြီး ၎င်းသည် အမှန်တကယ်မှန်ကြောင်း၊ အဓိပ္ပာယ်အဆင့်သည် အယူအဆတစ်ခုကို ငြင်းပယ်ခြင်း၏ဖြစ်နိုင်ခြေဖြစ်သော်လည်း ၎င်းသည် အမှန်တကယ်မှန်သည်ဟု ဆိုသည်။

ထို့အပြင် အရေးပါမှုအဆင့်နှင့် ယုံကြည်မှုအဆင့်သည် စည်းလုံးညီညွတ်မှုကို အမြဲဖြစ်ပေါ်စေသည်။ ထို့ကြောင့် ယုံကြည်မှုကြားကာလ၏ ယုံကြည်မှုအဆင့်သည် 1-α ဖြစ်ပါက၊ ဤတူညီသောကြားကာလ၏ အရေးပါမှုအဆင့်မှာ α ဖြစ်သည်။

ဥပမာအားဖြင့်၊ ယုံကြည်မှုကြားကာလတစ်ခု၏ ယုံကြည်မှုအဆင့်သည် 95% ဖြစ်ပါက ၎င်း၏အရေးပါမှုအဆင့်မှာ 5% ဖြစ်သည်။ ဆိုလိုသည်မှာ ကျွန်ုပ်တို့သည် ကိန်းဂဏန်းလေ့လာမှုကို အကြိမ် 100 ပြန်လုပ်ပါက 95 ကြိမ်သည် အစစ်အမှန်လူဦးရေနှင့် တိုက်ဆိုင်သည့်ရလဒ်ကို ရရှိမည်ဖြစ်ပြီး 5 ကြိမ်မှာ မှားယွင်းသောရလဒ်ကို ရရှိမည်ဖြစ်သည်။

ထူးထူးခြားခြား အဆင့်နှင့် p-တန်ဖိုး

နောက်ဆုံးတွင်၊ ၎င်းတို့သည် ယူဆချက်များနှင့်ဆန့်ကျင်ဘက်တွင် တွင်ကျယ်စွာအသုံးပြုသော အယူအဆနှစ်ခုဖြစ်သောကြောင့် အရေးပါမှုအဆင့်နှင့် p-value အကြား ဆက်စပ်မှုကို ကျွန်ုပ်တို့တွေ့ရပါမည်။

p-value ဟုခေါ်သော p-value သည် 0 နှင့် 1 ကြားရှိတန်ဖိုးတစ်ခုဖြစ်ပြီး သတိပြုမိသောကွာခြားချက်သည် အခွင့်အလမ်းကြောင့်ဖြစ်နိုင်ခြေကိုညွှန်ပြသည်။ ထို့ကြောင့် p-value သည် ရလဒ်တစ်ခု၏ အရေးကြီးမှုကို ညွှန်ပြပြီး အယူအဆတစ်ခုသည် မှန်သည်ဖြစ်စေ မှားသည်ဖြစ်စေ ဆုံးဖြတ်ရန် အသုံးပြုသည်။

ထို့ကြောင့်၊ သီအိုရီစစ်ဆေးမှုတွင် p-value သည် အရေးပါသည့်အဆင့်ထက် ကြီးပါက၊ null hypothesis သည် မှန်သည်ဟု ယူဆပါသည်။ အခြားတစ်ဖက်တွင်၊ p-value သည် အရေးပါမှုအဆင့်အောက်တွင် ရှိနေပါက၊ null hypothesis ကို ပယ်ချပြီး အခြား hypothesis သည် မှန်သည်ဟု ယူဆပါသည်။