{"id":477,"date":"2023-07-29T18:52:24","date_gmt":"2023-07-29T18:52:24","guid":{"rendered":"https:\/\/statorials.org\/pl\/p-oznacza-istotnosc-statystyczna\/"},"modified":"2023-07-29T18:52:24","modified_gmt":"2023-07-29T18:52:24","slug":"p-oznacza-istotnosc-statystyczna","status":"publish","type":"post","link":"https:\/\/statorials.org\/pl\/p-oznacza-istotnosc-statystyczna\/","title":{"rendered":"Wyja\u015bnienie warto\u015bci p i istotno\u015bci statystycznej"},"content":{"rendered":"

<\/p>\n

\n

W statystyce warto\u015bci p<\/strong> s\u0105 powszechnie stosowane w testowaniu hipotez w testach t, testach chi-kwadrat, analizie regresji, ANOVA i r\u00f3\u017cnych innych metodach statystycznych.<\/span><\/p>\n

Chocia\u017c s\u0105 one tak powszechne, ludzie cz\u0119sto b\u0142\u0119dnie interpretuj\u0105 warto\u015bci p, co mo\u017ce prowadzi\u0107 do b\u0142\u0119d\u00f3w podczas interpretacji wynik\u00f3w analizy lub badania.<\/span><\/p>\n

W tym artykule wyja\u015bniono, jak rozumie\u0107 i interpretowa\u0107 warto\u015bci p w jasny i praktyczny spos\u00f3b.<\/span><\/p>\n

Testowanie hipotez<\/span><\/strong><\/h2>\n

Aby zrozumie\u0107 warto\u015bci p, musimy najpierw zrozumie\u0107 koncepcj\u0119 testowania hipotez<\/a> .<\/span><\/p>\n

Hipoteza testowa<\/strong> to formalny test statystyczny, kt\u00f3rego u\u017cywamy do odrzucenia hipotezy lub jej nieodrzucenia. Na przyk\u0142ad mo\u017cemy postawi\u0107 hipotez\u0119, \u017ce nowy lek, metoda lub procedura ma pewn\u0105 przewag\u0119 nad obecnym lekiem, metod\u0105 lub procedur\u0105.<\/span><\/p>\n

Aby to sprawdzi\u0107, mo\u017cemy przeprowadzi\u0107 test hipotezy, w kt\u00f3rym u\u017cywamy hipotezy zerowej i alternatywnej:<\/span><\/p>\n

Hipoteza zerowa<\/strong> \u2013 nie ma efektu ani r\u00f3\u017cnicy pomi\u0119dzy now\u0105 metod\u0105 a star\u0105 metod\u0105.<\/span><\/p>\n

Hipoteza alternatywna<\/strong> \u2013 istnieje efekt lub r\u00f3\u017cnica pomi\u0119dzy now\u0105 metod\u0105 a star\u0105 metod\u0105.<\/span><\/p>\n

Warto\u015b\u0107 p wskazuje, jak wiarygodna jest hipoteza zerowa, bior\u0105c pod uwag\u0119 przyk\u0142adowe dane. W szczeg\u00f3lno\u015bci, zak\u0142adaj\u0105c, \u017ce hipoteza zerowa jest prawdziwa, warto\u015b\u0107 p m\u00f3wi nam o prawdopodobie\u0144stwie uzyskania efektu co najmniej tak du\u017cego, jak ten, kt\u00f3ry faktycznie zaobserwowali\u015bmy w danych pr\u00f3bnych.<\/span><\/p>\n

Je\u015bli warto\u015b\u0107 p testu hipotezy jest wystarczaj\u0105co niska, mo\u017cemy odrzuci\u0107 hipotez\u0119 zerow\u0105. W szczeg\u00f3lno\u015bci, gdy testujemy hipotezy, musimy od pocz\u0105tku wybra\u0107 poziom istotno\u015bci. Typowe poziomy istotno\u015bci to 0,01, 0,05 i 0,10.<\/span><\/p>\n

Je\u015bli warto\u015bci p s\u0105 poni\u017cej<\/em> naszego poziomu istotno\u015bci, w\u00f3wczas mo\u017cemy odrzuci\u0107 hipotez\u0119 zerow\u0105.<\/span><\/p>\n

W przeciwnym razie, je\u015bli warto\u015b\u0107 p jest r\u00f3wna lub wi\u0119ksza od<\/em> naszego poziomu istotno\u015bci, nie odrzucimy hipotezy zerowej.<\/span><\/p>\n

Jak interpretowa\u0107 warto\u015b\u0107 P<\/strong><\/span><\/h2>\n

Klasyczna definicja warto\u015bci p to:<\/span><\/p>\n

\n

Warto\u015b\u0107 p<\/strong> to prawdopodobie\u0144stwo zaobserwowania statystyki pr\u00f3bki, kt\u00f3ra jest co najmniej tak ekstremalna jak statystyka pr\u00f3bki, przy za\u0142o\u017ceniu, \u017ce hipoteza zerowa jest prawdziwa.<\/span><\/p>\n<\/blockquote>\n

Za\u0142\u00f3\u017cmy na przyk\u0142ad, \u017ce fabryka twierdzi, \u017ce produkuje opony o \u015bredniej masie 200 funt\u00f3w. Audytor stawia hipotez\u0119, \u017ce rzeczywista \u015brednia waga opon produkowanych w tym zak\u0142adzie r\u00f3\u017cni si\u0119 o 200 funt\u00f3w. Przeprowadza wi\u0119c test hipotezy i stwierdza, \u017ce warto\u015b\u0107 p testu wynosi 0,04. Oto jak interpretowa\u0107 t\u0119 warto\u015b\u0107 p:<\/span><\/p>\n

Je\u015bli fabryka rzeczywi\u015bcie produkuje opony o \u015bredniej wadze 200 funt\u00f3w, to w 4% wszystkich audyt\u00f3w uzyskamy efekt zaobserwowany w pr\u00f3bce lub wi\u0119cej, ze wzgl\u0119du na b\u0142\u0105d losowej pr\u00f3by. To m\u00f3wi nam, \u017ce uzyskanie przyk\u0142adowych danych uzyskanych przez audytora by\u0142oby do\u015b\u0107 rzadkie, gdyby fabryka faktycznie produkowa\u0142a opony o \u015bredniej wadze 200 funt\u00f3w.<\/span><\/p>\n

W zale\u017cno\u015bci od poziomu istotno\u015bci zastosowanego w tym te\u015bcie hipotezy audytor prawdopodobnie odrzuci\u0142by hipotez\u0119 zerow\u0105, \u017ce rzeczywista \u015brednia waga opon produkowanych w tym zak\u0142adzie w rzeczywisto\u015bci wynosi 200 funt\u00f3w. Pr\u00f3bki danych, kt\u00f3re uzyska\u0142 podczas kontroli, nie s\u0105 zbyt zgodne z hipotez\u0105 zerow\u0105.<\/span><\/p>\n

Jak nie<\/em> interpretowa\u0107 warto\u015bci P<\/strong><\/span><\/h2>\n

Najwi\u0119kszym b\u0142\u0119dnym przekonaniem na temat warto\u015bci p jest to, \u017ce s\u0105 one r\u00f3wnoznaczne z prawdopodobie\u0144stwem pope\u0142nienia b\u0142\u0119du poprzez odrzucenie prawdziwej hipotezy zerowej (zwanej b\u0142\u0119dem typu I).<\/span><\/p>\n

Istniej\u0105 dwa g\u0142\u00f3wne powody, dla kt\u00f3rych warto\u015bci p nie mog\u0105 odpowiada\u0107 wsp\u00f3\u0142czynnikowi b\u0142\u0119d\u00f3w:<\/span><\/p>\n

1.<\/strong> Warto\u015bci P oblicza si\u0119 w oparciu o za\u0142o\u017cenie, \u017ce hipoteza zerowa jest prawdziwa i \u017ce r\u00f3\u017cnica mi\u0119dzy danymi z pr\u00f3by a hipotez\u0105 zerow\u0105 wynika po prostu z przypadku. Zatem warto\u015bci p nie mog\u0105 okre\u015bli\u0107 prawdopodobie\u0144stwa, \u017ce warto\u015b\u0107 zerowa b\u0119dzie prawdziwa lub fa\u0142szywa, poniewa\u017c jest ona w 100% prawdziwa z punktu widzenia oblicze\u0144.<\/span><\/p>\n

2.<\/strong> Chocia\u017c niska warto\u015b\u0107 p wskazuje, \u017ce dane z pr\u00f3bki s\u0105 ma\u0142o prawdopodobne przy za\u0142o\u017ceniu, \u017ce zero jest prawdziwe, warto\u015b\u0107 p w dalszym ci\u0105gu nie pozwala okre\u015bli\u0107, kt\u00f3ry z poni\u017cszych przypadk\u00f3w jest bardziej prawdopodobny:<\/span><\/p>\n