P-တန်ဖိုး

ဤဆောင်းပါးတွင် တန်ဖိုးဟူသည် မည်ကဲ့သို့ အဓိပ္ပာယ်ဖွင့်ဆိုထားသည်ကို ရှင်းပြထားသည်။ ထို့ကြောင့်၊ စာရင်းဇယားများတွင် p-value ၏အဓိပ္ပာယ်၊ p-value တွက်ချက်နည်းနှင့် အဆင့်ဆင့်ဖြေရှင်းထားသော လေ့ကျင့်ခန်းကို သင်လေ့လာနိုင်မည်ဖြစ်သည်။

p-တန်ဖိုးကဘာလဲ။

စာရင်းဇယားများတွင် p-value (သို့မဟုတ် p-value ) သည် null hypothesis မှန်ကန်သည်ဟု ယူဆရသည့် စမ်းသပ်စာရင်းအင်းတစ်ခုကို ရရှိခြင်း၏ဖြစ်နိုင်ခြေဖြစ်သည်။ ဆိုလိုသည်မှာ p-value သည် null hypothesis ကို ငြင်းပယ်ရန် သို့မဟုတ် လက်ခံရန် သီအိုရီစစ်ဆေးမှုတွင် အသုံးပြုသော 0 နှင့် 1 ကြားတန်ဖိုးတစ်ခုဖြစ်သည်။

အထူးသဖြင့် p-value သည် အရေးပါမှုအဆင့်အောက်တွင် ရှိနေပါက null hypothesis ကို ပယ်ချပါသည်။ အခြားတစ်ဖက်တွင်၊ p-value သည် အရေးပါမှုအဆင့်ထက် ကြီးပါက၊ null hypothesis ကို လက်ခံပြီး အခြား hypothesis ကို ပယ်ချပါသည်။ အောက်တွင် p-value ကို ဘာသာပြန်ခြင်းအကြောင်း အသေးစိတ်ပြောပါမည်။

အတိုချုပ်ပြောရလျှင် p-value သည် အခွင့်အလမ်းတစ်ခုကြောင့် ရလဒ်တစ်ခုနှင့် ကိန်းဂဏန်းအရ သိသာထင်ရှားသောရလဒ်များကြားတွင် ခွဲခြားနိုင်သောကြောင့် သုတေသနယူဆချက်တစ်ခုကို လက်ခံရန် သို့မဟုတ် ငြင်းပယ်ရန် အသုံးပြုပါသည်။

p-value ကို တစ်ခါတစ်ရံတွင် p-value ဟုလည်းခေါ်သည်၊ အကြောင်းမှာ ၎င်းသည် အင်္ဂလိပ်အသုံးအနှုန်းဖြစ်ပြီး ကိန်းဂဏန်းလေ့လာမှုများစွာကို အင်္ဂလိပ်ဘာသာဖြင့် ထုတ်ဝေထားသည်။

ပစ္စယော-တန်ဖိုးကို အနက်ပြန်ဆိုခြင်း။

ယခု p-value ၏အဓိပ္ပါယ်ကိုကျွန်ုပ်တို့တွေ့မြင်ရပြီး၊ ကိန်းဂဏန်းစမ်းသပ်မှုတစ်ခုတွင် p-value ကိုမည်သို့မှန်ကန်စွာအဓိပ္ပာယ်ဖွင့်ရမည်ကိုကြည့်ကြပါစို့။

အခြေခံအားဖြင့် p-value ကို အောက်ပါအတိုင်း အဓိပ္ပာယ်ဖွင့်ပါသည်။

• p-value သည် အရေးပါမှုအဆင့်ထက် နည်းပါက၊ null hypothesis ကို ပယ်ချသည် (အခြားသော အယူအဆကို လက်ခံသည်)။
• p-value သည် အရေးပါမှုအဆင့်ထက် ကြီးပါက၊ အခြားယူဆချက်အား ပယ်ချသည် ( null hypothesis ကို လက်ခံသည် )။

ထို့ကြောင့်၊ p-value ၏အဓိပ္ပာယ်ဖွင့်ဆိုမှုသည်ရွေးချယ်ထားသောအရေးကြီးသောအဆင့်ပေါ်တွင်မူတည်သည် ။ ပုံမှန်အားဖြင့်၊ သိသာထင်ရှားမှုအဆင့်ကို 0.05 သို့မဟုတ် 0.01 တွင်သတ်မှတ်ထားသော်လည်း ၎င်းသည် စုံစမ်းစစ်ဆေးသူမှဆုံးဖြတ်ရန်မလိုလားအပ်သည့်တန်ဖိုးတစ်ခုဖြစ်သည်။

p-value ၏တန်ဖိုးသည် အယူအဆတစ်ခုသည် မဖြစ်မနေမှန်သည်ဟု မဆိုလိုပါ၊ သို့သော် ရိုးရိုးရှင်းရှင်းယူဆချက်တစ်ခုအား ပယ်ချခြင်း သို့မဟုတ် p-value ကြောင့် ၎င်းကိုလုပ်ဆောင်ရန် ကိန်းဂဏန်းအထောက်အထားများရှိသောကြောင့် အယူအဆတစ်ခုကို ပယ်ချခြင်းမဟုတ်ကြောင်း သတိပြုပါ။ သို့သော်၊ မှားယွင်းနေသည့်အခါ null hypothesis သည် အမှန်၊ သို့မဟုတ် အပြန်အလှန်အားဖြင့် မှားယွင်းနေသည့်အခါ null hypothesis ကို ငြင်းပယ်နိုင်သည်။ အမှားလုပ်ရန် ဖြစ်နိုင်ခြေ အလွန်နည်းသော်လည်း သူမ အမှားလုပ်မိခြင်း ဖြစ်နိုင်သည်။

အတိုချုပ်ပြောရရင် p-value ဟာ significance အဆင့်ထက် နည်းနေတဲ့အခါ သိသာထင်ရှားတယ်လို့ ဆိုပါတယ်၊ ဘာကြောင့်လဲဆိုတော့ p-value က significance အဆင့်ထက်နည်းရင် p-value က ငြင်းပယ်ဖို့ သိသာထင်ရှားတဲ့ အထောက်အထားတွေရှိတယ်ဆိုတာပါပဲ။ null အယူအဆ။ .

p-value ဥပမာ

စာရင်းဇယားများတွင် p-value ၏အဓိပ္ပါယ်ကို ကောင်းစွာနားလည်နိုင်စေရန်၊ အောက်တွင် p-value ကို တွက်ချက်ခြင်းဖြင့် hypothesis test ကိုဖြေရှင်းသည့် ဥပမာတစ်ခုကို သင်တွေ့နိုင်ပါသည်။

• အရုပ်ပြုလုပ်ရန်အတွက် ကုမ္ပဏီတစ်ခုသည် ပြင်ပကုမ္ပဏီတစ်ခုမှ အရုပ်အစိတ်အပိုင်းများကို ဝယ်ယူပြီးနောက် ကျန်အစိတ်အပိုင်းများနှင့် ပေါင်းစပ်သည်။ သီအိုရီအရ၊ သင်ဝယ်ယူသည့်အစိတ်အပိုင်းသည် အရှည် 5 စင်တီမီတာရှိသင့်သော်လည်း မကြာသေးမီက တပ်ဆင်မှုတွင် ချို့ယွင်းချက်များစွာရှိပြီး ဝယ်ယူသည့်အစိတ်အပိုင်းများ၏ ပျမ်းမျှအရှည်သည် ကွာခြားသည်ဟု ကုမ္ပဏီက သံသယရှိသည်။ သေချာစေရန်၊ ယူနစ် 10,000 နမူနာနမူနာအတွက် ပြင်ပကုမ္ပဏီကို မေးပါ၊ ကျပန်းတစ်ပိုင်းကို တိုင်းတာပြီး ၎င်းသည် 5.25 စင်တီမီတာ တိုင်းတာသည်။ ထို့ကြောင့်၊ သူ၏ ကနဦးယူဆချက်အား လက်ခံရန် သို့မဟုတ် ငြင်းပယ်ရန်၊ သူသည် အယူအဆတစ်ခုကို စမ်းသပ်ရန် ဆုံးဖြတ်သည်။

ဤကိစ္စတွင်၊ သီအိုရီစမ်းသပ်မှု၏ null hypothesis နှင့် အခြား hypothesis တို့သည် အောက်ပါအတိုင်းဖြစ်သည် ။

ဤပြဿနာကိုဖြေရှင်းရန်၊ ကျွန်ုပ်တို့သည် အရေးပါသောအဆင့်ကို 5% ယူပါမည်။

ကျပန်းယူသောတန်ဖိုး (5.25 စင်တီမီတာ) သည် သီအိုရီအရ ပျမ်းမျှ (5.00 စင်တီမီတာ) မှ 0.25 စင်တီမီတာ ကွာသည်။ ထို့ကြောင့်၊ ဤယူဆချက်စမ်းသပ်မှုအတွက် p-တန်ဖိုးကိုတွက်ချက်ရန်၊ ကျွန်ုပ်တို့သည် 0.25 စင်တီမီတာ သို့မဟုတ် ထို့ထက်ပို၍သွေဖည်သောတန်ဖိုးများမည်မျှရှိသည်ကိုဆုံးဖြတ်ရန်လိုသည်။ ယူနစ် 10,000 ၏နမူနာကို ခွဲခြမ်းစိတ်ဖြာပြီးနောက် 183 ယူနစ်သည် 4.75 စင်တီမီတာအောက်ဖြစ်ပြီး အခြားတစ်ဖက်တွင် ယူနစ် 209 သည် 5.25 စင်တီမီတာထက် ပိုကြီးသည်ကို တွေ့ရှိခဲ့သည်။

အတိုင်းအတာ 4.75 စင်တီမီတာ သို့မဟုတ် ထို့ထက်နည်းသောအပိုင်းများ- 183
5.25 စင်တီမီတာနှင့်အထက် အပိုင်းအစများ- 209

ထို့ကြောင့်၊ ဤယူဆချက်စမ်းသပ်မှုအတွက် p-တန်ဖိုးကို တွက်ချက်ရန်၊ ကျွန်ုပ်တို့ တွေ့ရှိသော ဒင်္ဂါးပြားများကို နမူနာအရွယ်အစားဖြင့် 0.25 စင်တီမီတာ သို့မဟုတ် ထို့ထက်ပိုသော သွေဖည်မှုဖြင့် ပိုင်းခြားရန် လိုအပ်ပါသည်။

ထို့နောက် တွက်ချက်ထားသော p-value သည် ယခင်ရွေးချယ်ထားသော အရေးပါမှုအဆင့်ထက် နိမ့်သည်-

ထို့ကြောင့်၊ ကျွန်ုပ်တို့သည် null hypothesis ကို ငြင်းပယ်ပြီး ထို့ကြောင့် ကျွန်ုပ်တို့ဝယ်ယူသည့် အစိတ်အပိုင်းများသည် မူလသဘောတူထားသည်ထက် ပျမ်းမျှအားဖြင့် မတူညီသောအရှည်ရှိကြောင်း သိသာထင်ရှားသော ကိန်းဂဏန်းဆိုင်ရာ အထောက်အထားများရှိသည်။

ဤဥပမာတွင် သင်တွေ့ခဲ့သည့်အတိုင်း၊ ၎င်းသည် ပုံမှန်မဟုတ်သော်လည်း ရည်ညွှန်းဖြန့်ဖြူးမှုကို မသိဘဲ အယူအဆတစ်ခု၏ p-တန်ဖိုးကို ဆုံးဖြတ်နိုင်သည်။ p-value တွက်ချက်မှု၏ နောက်ထပ်နမူနာများကို ကြည့်ရှုရန်၊ ကျွန်ုပ်တို့၏ ဝဘ်ဆိုက်ရှိ အယူအဆစမ်းသပ်ခြင်း နမူနာများကို သင်စစ်ဆေးနိုင်ပါသည်။

p-value ကောက်ချက်

နောက်ဆုံးတွင်၊ ကျွန်ုပ်တို့သည် သင့်အား တန်ဖိုး၏ အရေးကြီးဆုံးနိဂုံးချုပ်ချက်များကို အနှစ်ချုပ်ပုံစံဖြင့် ထားခဲ့ပါ။

• p-value သည် null hypothesis သည် မှန်သည်ဟူသော ဖြစ်နိုင်ခြေကို ကိုယ်စားမပြုပါ၊ သို့သော် null hypothesis သည် မှန်ကန်ကြောင်း ရိုးရိုးရှင်းရှင်း ယူဆနိုင်ပြီး ဤယူဆချက်အောက်တွင် p-value ကို တွက်ချက်သည်၊ ၎င်းသည် null hypothesis ကို ငြင်းပယ်နိုင်သည် သို့မဟုတ် မပြုလုပ်နိုင်ပါ။ .
• p-value ကို hypothesis test တစ်ခုမှ အယူအဆတစ်ခုကို ငြင်းပယ်ရန် သို့မဟုတ် ငြင်းပယ်ရန်အတွက် အသုံးပြုသည်။ p-value သည် အရေးပါမှုအဆင့်ထက် နည်းနေပါက၊ ၎င်းသည် null hypothesis သည် အမှန်ဖြစ်နိုင်ချေရှိပြီး ထို့ကြောင့် ငြင်းပယ်ခြင်းကို ဆိုလိုပါသည်။ အခြားတစ်ဖက်တွင်၊ p-value သည် အရေးပါသည့်အဆင့်ထက် ကြီးပါက၊ ၎င်းသည် null hypothesis သည် အမှန်တကယ်ဖြစ်နိုင်ပြီး ထို့ကြောင့် ၎င်းကို ငြင်းပယ်မည်မဟုတ်ကြောင်း ဆိုလိုသည်။
• p-value သည် null hypothesis သည် မှန်ကန်ခြင်း ရှိ၊ မှားနိုင်ခြေ အမြဲရှိတယ်။
• p-value သည် သုတေသန၏ ယုံကြည်စိတ်ချရမှုနှင့် ဆက်စပ်နေသောကြောင့် p-value နိမ့်လေ၊ ကိန်းဂဏန်းဆိုင်ရာ ခွဲခြမ်းစိတ်ဖြာမှုမှ ရရှိသော ရလဒ်သည် ပိုမိုယုံကြည်စိတ်ချရလေဖြစ်သည်။
• အရေးပါမှုအဆင့်ကို သုတေသီက မထင်သလို ဆုံးဖြတ်ထားသောကြောင့် p-value ၏ အရေးပါမှုကို သုတေသီမှလည်း သတ်မှတ်ပါသည်။