0.001 ထက်နည်းသော p-value (ဥပမာများဖြင့်) အဓိပ္ပာယ်ဖွင့်ဆိုပုံ

လူဦးရေကန့်သတ်ချက် နှင့်ပတ်သက်သော ယူဆချက်သည် မှန်ကန်ခြင်းရှိ၊ မရှိ စမ်းသပ်ရန် စမ်းသပ်မှု တစ်ခုအား အသုံးပြုသည်။

ကျွန်ုပ်တို့သည် သီအိုရီစမ်းသပ်မှုတစ်ခုကို ပြုလုပ်သည့်အခါတိုင်း၊ ကျွန်ုပ်တို့သည် null နှင့် အခြား hypothesis ကို အမြဲတမ်း သတ်မှတ်ဖော်ပြသည်-

• Null hypothesis (H ₀ ) : နမူနာဒေတာသည် အခွင့်အလမ်းတစ်ခုတည်းမှလာသည်။
• အစားထိုး အယူအဆ ( _HA ) : နမူနာဒေတာသည် ကျပန်းမဟုတ်သော အကြောင်းတရားကြောင့် လွှမ်းမိုးထားသည်။

အကယ်၍ သီအိုရီစမ်းသပ်မှု၏ p-တန်ဖိုး သည် အချို့သော အရေးပါမှုအဆင့် (ဥပမာ α = 0.001) အောက်တွင်ရှိနေပါက၊ ကျွန်ုပ်တို့သည် null hypothesis ကို ငြင်းပယ်နိုင်ပြီး အစားထိုးယူဆချက်သည် မှန်သည်ဟုဆိုရန် လုံလောက်သော အထောက်အထားရှိသည်ဟု ကျွန်ုပ်တို့ ကောက်ချက်ချနိုင်သည်။

p-value သည် 0.001 ထက်မနည်းပါက၊ ကျွန်ုပ်တို့သည် null hypothesis ကိုငြင်းဆိုရန်ပျက်ကွက်ပြီး အစားထိုးယူဆချက်သည် မှန်သည်ဟုဆိုရန် လုံလောက်သောအထောက်အထားမရှိဟု ကောက်ချက်ချပါသည်။

အောက်ပါဥပမာများသည် 0.001 ထက်နည်းသော p-value ကို မည်သို့အဓိပ္ပာယ်ဖွင့်ရကြောင်းနှင့် လက်တွေ့တွင် 0.001 ထက်ကြီးသော p-value ကို မည်သို့အဓိပ္ပာယ်ဖွင့်ရမည်ကို ရှင်းပြထားသည်။

ဥပမာ- 0.001 ထက်နည်းသော P တန်ဖိုးကို ဘာသာပြန်ပါ။

စက်ရုံတစ်ရုံက ပျမ်းမျှအလေးချိန် 2 အောင်စရှိတဲ့ ဘက်ထရီကို ထုတ်လုပ်တယ်လို့ ဆိုပါစို့။

စာရင်းစစ်တစ်ဦးသည် ဝင်လာပြီး ဘက်ထရီတစ်လုံး၏ ပျမ်းမျှအလေးချိန်သည် 2 အောင်စဖြစ်သည်ဟူသော အဓိပ္ပာယ်မှာ 0.001 အဆင့်ကို အသုံးပြု၍ ပျမ်းမျှအလေးချိန်သည် 2 အောင်စမဟုတ်သည့် အစားထိုးယူဆချက်နှင့် ဆန့်ကျင်ဘက်ဖြစ်သော null hypothesis ကို စမ်းသပ်သည်။

null hypothesis (H ₀ ): μ = 2 အောင်စ

အခြားယူဆချက်- ( _HA ): μ ≠ 2 အောင်စ

စာရင်းစစ်သည် ပျမ်းမျှအတွက် သီအိုရီစစ်ဆေးမှုကို လုပ်ဆောင်ပြီး p-တန်ဖိုး 0.0006 သို့ ရောက်ရှိသည်။

0.0006 ၏ p-value သည် 0.01 ၏ အရေးပါမှုအဆင့်ထက်နည်းသောကြောင့် စာရင်းစစ်သည် null hypothesis ကို ပယ်ချပါသည်။

ဒီစက်ရုံမှာ ထုတ်လုပ်တဲ့ ဘက်ထရီရဲ့ ပျမ်းမျှ အလေးချိန်ဟာ 2 အောင်စ မဟုတ်ဘူးလို့ ပြောဖို့ လုံလောက်တဲ့ အထောက်အထား ရှိတယ်လို့ သူက ကောက်ချက်ချပါတယ်။

ဥပမာ- 0.001 ထက်ကြီးသော P တန်ဖိုးကို ဘာသာပြန်ပါ။

စိုက်ပျိုးရာသီတွင် သီးနှံတစ်ခုသည် ပျမ်းမျှလက်မ ၄၀ ပေါက်သည်ဆိုပါစို့။

သို့သော် မြေသြဇာတစ်ခုသည် ပျမ်းမျှအားဖြင့် လက်မ ၄၀ ကျော်အထိ ကြီးထွားလာမည်ဟု စိုက်ပျိုးရေးပညာရှင်တစ်ဦးက ခန့်မှန်းသည်။

၎င်းကို စမ်းသပ်ရန်အတွက် စိုက်ပျိုးရာသီအတွင်း အချို့သော လယ်ကွင်းများတွင် ကျပန်းနမူနာ တစ်ခုသို့ ဓာတ်မြေသြဇာကို အသုံးချသည်။

ထို့နောက် သူမသည် အောက်ဖော်ပြပါ အယူအဆများကို အသုံးပြု၍ သီအိုရီစမ်းသပ်မှုတစ်ခုကို ပြုလုပ်သည်။

null hypothesis (H ₀ ): μ = 40 လက်မ (မြေသြဇာသည် ပျမ်းမျှကြီးထွားမှုအပေါ် သက်ရောက်မှုမရှိပါ)

အခြားယူဆချက်- ( _HA ): μ > 40 လက်မ (မြေသြဇာသည် ပျမ်းမျှကြီးထွားမှုကို တိုးစေသည်)

ပျမ်းမျှအတွက် တွေးခေါ်မှုတစ်ခုကို စမ်းသပ်ပြီးနောက်၊ သိပ္ပံပညာရှင်သည် p-value 0.3488 ရရှိသည်။

0.3488 ၏ p-value သည် 0.001 ၏ အရေးပါမှုအဆင့်ထက် ကြီးသောကြောင့် သိပ္ပံပညာရှင်သည် null hypothesis ကို ငြင်းပယ်ရန် ပျက်ကွက်ခဲ့သည်။

မြေသြဇာသည် ပျမ်းမျှသီးနှံကြီးထွားမှုကို တိုးမြင့်စေသည်ဟု ဆိုရန် လုံလောက်သော အထောက်အထားမရှိဟု သူမက ကောက်ချက်ချသည်။

ထပ်လောင်းအရင်းအမြစ်များ

အောက်ဖော်ပြပါ သင်ခန်းစာများတွင် p-values နှင့် hypothesis testing ဆိုင်ရာ နောက်ထပ်အချက်အလက်များကို ပေးဆောင်သည်-

P တန်ဖိုးများနှင့် စာရင်းအင်းဆိုင်ရာ အရေးပါမှုဆိုင်ရာ ရှင်းလင်းချက်
စာရင်းဇယားများတွင် T တန်ဖိုးများနှင့် P တန်ဖိုးများအကြား ကွာခြားချက်
P တန်ဖိုး vs. Alpha: ကွာခြားချက်ကဘာလဲ။