P- 테스트 란 무엇입니까?
P- 검정은 모집단에 대해 일반적으로 허용되는 주장을 나타내는 귀무 가설의 유효성을 테스트하는 통계적 방법입니다. null이라는 용어는 약간 오해의 소지가 있지만, 받아 들여진 사실을 반증하거나 무효화하려고 시도하여 테스트합니다. P- 검정은 널리 인정 된 주장을 거부하거나 거부 할 수없는 증거를 제공 할 수 있습니다 (통계는 '결론적이지 않음').
주요 테이크 아웃
- P- 검정은 모집단에 대해 일반적으로 허용되는 주장을 나타내는 귀무 가설의 유효성을 테스트하는 통계적 방법입니다.p- 값이 작을수록 귀무 가설을 기각해야한다는 대립 가설과 대립 가설이 더 강력 할 수 있습니다. P- 검정 통계량은 일반적으로 큰 표본 크기를 사용할 때 표준 정규 분포를 따릅니다.
P- 검정 이해
P- 검정은 연구원이 수락 된 클레임의 신뢰성을 결정할 수있는 값을 계산합니다. 해당 p- 값은 연구자가 결과의 임의성을 측정하기 위해 선택한 통계적으로 유의 한 수준 (신뢰 수준), 알파 (α)와 비교됩니다. P- 검정 통계량은 일반적으로 큰 표본 크기가 사용될 때 표준 정규 분포를 따릅니다.
연구원은 일반적으로 5 % 이하의 알파 수준을 선택하여 95 % 이상의 신뢰 수준으로 해석합니다. 다시 말해, 알파 수준이 5 % 미만인 p- 값은 결과가 임의적이지 않을 확률이 95 % 이상이므로 결과의 중요성을 높입니다. 이것은 연구원이 귀무 가설을 기각 할 수있는 증거입니다.
- p- 값이 작을수록 (p-value <alpha) 귀무 가설을 기각해야하며 대립 가설이 더 신뢰할 수 있다는 증거가 더 강력합니다.p- 값이 클수록 (p-value> alpha) 귀무 가설에 대한 증거가 더 약하다는 것은 거부 할 수 없다는 의미이므로 테스트를 확정하지 않습니다.
클레임을 검증하기 위해 가설 테스트를 수행 할 때 연구원은 두 가설을 가정합니다 (null (H 0) 및 대체 (H 1)). 귀무 가설과 대립 가설을 공식화하는 것은 P- 검정이 연구원에게 제공 할 수있는 유용성의 열쇠입니다.
귀무 가설은 연구원이 거부 할 수 있는지 테스트하기 위해 일반적으로 유지되는 믿음 또는 전제를 나타냅니다. 파악해야 할 핵심은 연구원이 항상 귀무 가설을 기각하고 P- 검정이이 목표를 달성하는 데 도움이된다는 것입니다. 주목해야 할 또 다른 요점은 P- 검정이 귀무 가설을 기각하지 못하면 그 결과가 결정적이지 않은 것으로 간주되며 귀무 가설을 확인하는 것은 아닙니다.
대체 가설은 조사중인 현상을 더 잘 설명하기 위해 연구원이 제기 한 다른 설명입니다. 따라서 유일하거나 가능한 최고의 대체 설명이어야합니다. 이런 식으로, p- 값이 귀무 가설의 기각을 검증하면 대립 가설을 신뢰할 수있는 것으로 볼 수 있습니다.
Z 테스트 및 T 테스트
일반적이고 간단한 유형의 통계 테스트는 z- 테스트입니다.이 테스트는 가정 된 모집단 평균에 대한 표본 평균의 통계적 유의성을 테스트하지만 모집단의 표준 편차를 알아야하지만 종종 불가능합니다. t- 검정은 모집단의 표준 편차가 아닌 표본의 표준 편차 만 필요하다는 점에서보다 현실적인 테스트 유형입니다.
통계가 제품 개발, 특히 생명 공학에 미치는 영향을 이해하는 것은 투자자가보다 현명한 투자 결정을 내 리도록 안내하는 데 매우 유용 할 수 있습니다. 예를 들어, 유망한 의약품의 임상 시험에 대한 통계적 결과에 대한 기본적인 이해는 생명 공학 주식의 잠재적 수익을 평가하는 데 매우 중요합니다.
