Рівень значущості

У цій статті пояснюється, що таке рівень значущості в статистиці. Таким чином, ви знайдете значення рівня значущості, таблицю з найбільш частими рівнями значущості та зв’язок рівня значущості з іншими статистичними концепціями.

Який рівень значущості?

Рівень значущості — це ймовірність того, що оцінка статистичного параметра в сукупності лежить за межами довірчого інтервалу. Іншими словами, рівень значущості – це ймовірність відхилення гіпотези, яка насправді є істинною.

У статистиці рівень значущості позначається грецьким символом α (альфа). Ось чому його також називають альфа-рівнем .

Наприклад, якщо рівень значущості α=0,05, це означає, що ймовірність відхилення гіпотези, коли вона істинна, становить 5%. Іншими словами, ймовірність оцінки статистичного параметра та помилки з помилкою, що перевищує граничну похибку, становить 5%.

Таким чином, рівень значущості позначає межу для визначення того, чи є результат статистично значущим чи ні, таким чином, якщо p-значення менше рівня значущості, результат вважається статистично значущим. Нижче ми побачимо залежність між рівнем значущості та p-значенням.

Таблиця рівнів значущості

Після того, як ми ознайомилися з визначенням рівня значущості, нижче представлена таблиця зі значеннями найпоширеніших рівнів значущості.

Ця таблиця буде дуже корисною для розрахунку меж довірчого інтервалу.

Як ви можете бачити в таблиці, підвищення рівня достовірності знижує рівень значущості, що призводить до меншого ризику зробити помилку при прийнятті гіпотези та, з іншого боку, до меншої точності в оцінці статистичного параметра. . Зазвичай використовується рівень значущості 5% (α=0,05).

Рівень значущості 0% і 100%

Значення рівня значущості може коливатися від 0% (α=0,00) до 100% (α=1). Однак ці два крайні значення ніколи не повинні з’являтися в статистиці, оскільки вони є двома нереальними значеннями, нижче ми побачимо чому.

Рівень значущості 0% означає, що немає сумнівів щодо істинності прийнятої гіпотези. Однак рівень значущості 0% не існує в статистиці, якщо не було проаналізовано всю генеральну сукупність, і навіть тоді не можна бути повністю впевненим, що не сталося жодних помилок чи упереджень. виготовлені під час слідства.

Навпаки, рівень значущості 100% означає, що відхилена гіпотеза безсумнівно вірна. Але, за логікою, якщо деякі результати будуть отримані з рівнем значущості 100%, вони ніколи не будуть опубліковані, оскільки не буде впевненості в точності результатів до повторного статистичного дослідження.

Рівень значущості та рівень достовірності

Дві тісно пов’язані концепції в статистиці, які мають бути чіткими, це рівень значущості та рівень достовірності. Ось чому в цьому розділі ми побачимо різницю між рівнем значущості та рівнем впевненості.

Різниця між рівнем значущості та рівнем довіри полягає в ймовірності, яку вони визначають. Рівень достовірності — це ймовірність прийняття гіпотези та того, що вона дійсно є правдивою, тоді як рівень значущості — це ймовірність відхилення гіпотези, але того, що вона насправді є істинною.

Крім того, рівень значущості плюс рівень достовірності завжди призводять до одиниці. Таким чином, якщо рівень впевненості довірчого інтервалу дорівнює 1-α, рівень значущості цього самого інтервалу дорівнює α.

Наприклад, якщо рівень надійності довірчого інтервалу становить 95%, його рівень значущості становить 5%. Це означає, що якщо ми повторимо статистичне дослідження 100 разів, то 95 разів ми отримаємо результат, який збігається з результатом реальної сукупності, тоді як 5 разів ми отримаємо помилковий результат.

Рівень значущості та р-значення

Нарешті, ми побачимо, який зв’язок між рівнем значущості та p-значенням, оскільки це дві концепції, які широко використовуються в протиставленні гіпотез.

P-value , яке також називають p-value , — це значення від 0 до 1, яке вказує на ймовірність того, що спостережувана різниця є випадковою. Таким чином, p-значення вказує на важливість результату та використовується для визначення того, вірна чи хибна гіпотеза.

Отже, під час перевірки гіпотези, якщо p-значення перевищує рівень значущості, нульова гіпотеза вважається вірною. З іншого боку, якщо p-значення нижче рівня значущості, нульова гіпотеза відхиляється, а альтернативна гіпотеза вважається вірною.