Jak interpretować wartość p większą niż 0,05 (z przykładami)

Hipoteza testowa służy do sprawdzenia, czy hipoteza dotycząca parametru populacji jest prawdziwa.

Ilekroć przeprowadzamy test hipotezy, zawsze definiujemy hipotezę zerową i alternatywną:

• Hipoteza zerowa (H ₀ ): Przykładowe dane pochodzą wyłącznie z przypadku.
• Hipoteza alternatywna ( _HA ): na przykładowe dane ma wpływ przyczyna nieprzypadkowa.

Wykonując test hipotezy, musimy określić poziom istotności, jaki należy zastosować.

Typowe wybory poziomu istotności obejmują:

• α = 0,01
• α = 0,05
• α = 0,10

Jeśli wartość p testu hipotezy jest mniejsza niż określony poziom istotności, wówczas możemy odrzucić hipotezę zerową i stwierdzić, że mamy wystarczające dowody, aby stwierdzić, że hipoteza alternatywna jest prawdziwa.

Jeżeli wartość p jest nie mniejsza niż określony poziom istotności, nie odrzucamy hipotezy zerowej i stwierdzamy, że nie mamy wystarczających dowodów, aby stwierdzić, że hipoteza alternatywna jest prawdziwa.

Poniższe przykłady wyjaśniają, jak w praktyce interpretować wartość p większą niż 0,05.

Przykład 1: Interpretacja wartości P większej niż 0,05 (biologia)

Załóżmy, że biolog uważa, że określony nawóz sprawi, że rośliny urosną w ciągu roku bardziej niż zwykle, czyli obecnie 20 cali.

Aby to sprawdzić, stosuje nawóz do każdej rośliny w swoim laboratorium przez trzy miesiące.

Następnie przeprowadza test hipotez, korzystając z następujących hipotez:

Hipoteza zerowa (H ₀ ): μ = 20 cali (nawóz nie będzie miał wpływu na średni wzrost roślin)

Hipoteza alternatywna: ( _HA ): μ > 20 cali (nawóz spowoduje średni wzrost wzrostu roślin)

Testując hipotezę dla średniej przy poziomie istotności α = 0,05, biolog otrzymuje wartość p wynoszącą 0,2338 .

Ponieważ wartość p wynosząca 0,2338 jest większa niż poziom istotności 0,05 , biolog nie odrzuca hipotezy zerowej.

Dochodzi zatem do wniosku, że nie ma wystarczających dowodów, aby twierdzić, że nawozy powodują zwiększony wzrost roślin.

Przykład 2: Interpretacja wartości P większej niż 0,05 (produkcja)

Inżynier mechanik uważa, że nowy proces produkcyjny zmniejszy liczbę wadliwych widgetów produkowanych w określonej fabryce, która obecnie wynosi 3 wadliwe widgety na partię.

Aby to przetestować, wykorzystuje nowy proces do utworzenia nowej partii widżetów.

Następnie przeprowadza test hipotez przy użyciu następujących założeń:

Hipoteza zerowa (H ₀ ): μ = 3 (nowy proces nie będzie miał wpływu na średnią liczbę wadliwych widgetów w partii)

Hipoteza alternatywna: ( _HA ): μ < 3 (nowy proces doprowadzi do zmniejszenia średniej liczby wadliwych widgetów w partii)

Inżynier przeprowadza test hipotezy dla średniej, stosując poziom istotności α = 0,05 i otrzymuje wartość p wynoszącą 0,134 .

Ponieważ wartość p wynosząca 0,134 jest większa niż poziom istotności 0,05 , inżynier nie może odrzucić hipotezy zerowej.

Dochodzi zatem do wniosku, że nie ma wystarczających dowodów, aby twierdzić, że nowy proces prowadzi do zmniejszenia średniej liczby wadliwych gadżetów produkowanych w każdej partii.

Dodatkowe zasoby

Poniższe samouczki zawierają dodatkowe informacje na temat wartości p:

Wyjaśnienie wartości P i istotności statystycznej
Znaczenie statystyczne lub praktyczne
Wartość P vs. Alfa: Jaka jest różnica?