Le terme alpha statistique, quel est-il?

Statistiques est toujours à propos de l'occasion. Vous ne dites jamais rien avec certitude à 100%, mais vous cherchez comment vous pouvez créer quelque chose de plausible. En général, vous regardez les statistiques comment il est probable que vous trouverez un certain effet dans votre échantillon, tout en ne existe pas cet effet dans la population. Parce que cela va sur les possibilités, il ya toujours la chance que ce ne va pas. La chance que vous prenez pour acquis et vous pouvez avoir un certain nombre de collage. Ceci est votre alpha.

Les tests d'hypothèses

Nous allons statistiquement des essais que jamais, nous commençons à imaginer qu'il n'y a aucun effet. Ceci est appelé l'hypothèse nulle ou H0. Ensuite, allez voir comment vous pouvez rendre plausible qu'il existe l'effet, exprimé dans votre hypothèse alternative ou H1.
Imaginez la mesure de deux groupes d'athlètes sur leur temps dans les 100 mètres. Vous trouverez une certaine différence entre ces groupes, soit une moyenne de 1.0 secondes. Vous H0 est qu'il n'y a pas d'effet dans votre population, il n'y a aucune différence entre les groupes, de sorte que la différence observée de 1,0 secondes coïncidence. Vous test statistique est d'essayer de prouver le contraire, le H1: il un effet dans votre population, la différence observée de 1,0 secondes, celui-ci sur la base, et les groupes diffèrent structurellement de l'autre. Cela peut vous donner des tests statistiques.
De chaque test statistique est une p-valeur rôles. Ceci est un nombre compris entre 0 et 1 et est égale à la probabilité que vous trouverez l'effet en cours, alors qu'il n'y a aucun effet dans la population. En d'autres termes, ce sont les chances que vous prenez H1 lorsque H0 est effectivement vrai. Trouver une p-valeur de 00h20, alors les chances sont de 20% de sorte qu'il ne joue pas effet dans la population. 20% est toujours un risque assez élevé et donc avec une valeur p de 00h20 H1 pas être adopté rapidement. Supposons que vous trouverez une p-valeur de 00h01, est maintenant la chance que H0 qui est à seulement 1%. ?? Dans un tel cas peut prendre votre H1 souvent. La frontière de savoir si ou non d'adopter H1 trouvé à une p-valeur varie selon la discipline. En sciences médicales erreurs peuvent avoir des conséquences majeures et ils ne peuvent pas réellement se produire. Une chance de 1% sur la mauvaise décision peut encore être trop. Dans les sciences sociales est différent, si vous êtes certain à 99% quelque chose sur une population peut dire est souvent très précis. La limite applique à vous est votre valeur de l'alpha, souvent cela est de 0,1, 00h05 ou 00h01.

Type 1 et type 2 erreurs

Il reste probabilité, donc il ya toujours une chance que les choses vont mal. Supposons que vous à H1 peut prendre en fonction de votre valeur p et votre alpha, alors aucun effet dans la population, mais vous avez par hasard un échantillon ou scores extrêmes. Cette probabilité est toujours présente et est égale à alpha. Si vous utilisez un alpha de 00h05, vous acceptez aussi qu'il ya une probabilité de 5% que vous adoptez un H1 alors que cela est faux. Ceci est appelé une erreur de type 1. Alpha est l'occasion que vous acceptez de faire une erreur de type 1. En raison de la possibilité de cette erreur est si minuscule alpha et la recherche doivent être très précis et un peu plus grand quand il vient à moins d'attention. Une erreur de type 2 est à l'opposé: le H0 est pas rejetée, même si il ya un effet dans la population. Cependant, votre test statistique n'a pas réussi à montrer cet effet et le risque de cette erreur est également tributaire du caractère distinctif de votre test. Le caractère distinctif de votre clé est aussi appelé le pouvoir, ici, plus la puissance, plus les chances d'une erreur de type 2. La chance d'une erreur de type 2 est appelée bêta, et le pouvoir nous déterminer également la formule: Puissance = 1-β.

Hypothèses tests alpha

Nous décidons sur un alpha et nous trouvons une p-valeur particulière. Cependant, les hypothèses sont testées, nous illustrons dans la figure suivante. Nous allons voir où il a trouvé moyen dans la normaalverdeing de la population. Nous avions trouvé la vue moyenne ici pouvons aussi comme un moyen avec une distribution normale symétrique autour d'elle, mais pour des raisons de clarté est indiquée seulement dans la moyenne. Dans l'image de gauche, nous voyons que la bande verte est dans la zone blanche. Dans ce cas, donc, où le H0. Dans l'image de droite est la moyenne de l'échantillon dans la zone rouge. Donc H1 vrai maintenant.
Deux façons d'hypothèses. La ligne verte reflète la moyenne de l'échantillon qui est dans l'image de gauche dans la zone H0 et dans la cour dans la zone H1. Les différentes distributions de la région H1 rouge être le résultat de la différence entre les touches simple et double face. Dans les touches recto-verso sont les 5% d'observations réparties sur les deux extrémités de la distribution normale. Le champ de H1 est donc maintenant plus petit, et il est alors difficile de trouver un résultat significatif.

Touches une ou deux faces

Quelle est la taille de la zone rouge en fonction de alpha. Quand un alpha de 0h05 est de 5% des observations dans la zone H1 rouge. Mais, comme on peut le voir dans l'image peut être étalé sur la zone des extrémités de la distribution normale, ou d'un côté en cluster. Et comme dans l'exemple présent est exactement la différence entre un effet significatif et un effet non significatif. Ceci est dû au mode de test. Si nous faisons l'hypothèse: en moyenne un est plus grand que la moyenne de deux, alors il est tout à fait absurde de concentrer notre attention sur la zone rouge à la gauche, qui se tient pour la proposition ?? signifie un est plus petit que la moyenne 2 ??. Maintenant, nous nous concentrons sur la recherche de la bonne effet et nous sommes à la recherche uniquement à l'extrémité droite. Parce que nous utilisons un alpha de 5%, nous attendons donc à 5% des observations à cette fin: nous testons face. Serions-nous pris le parti test, nous devrions diviser l'alpha de 5% sur les deux queues. Les deux zones H1 et sont par conséquent plus petite que la p-valeur détectée doit donc être aussi faible pour être dénommé significative.
Clés verso arrive surtout dans les tests t dans lequel deux groupes sont comparés, puis joue une attente claire. Dans les résultats du test t, on peut alors travailler avec une valeur p réduit de moitié, ou un alpha doublé. Beaucoup d'autres touches, y compris le test ANOVA toujours deux côtés et pas de direction peuvent être donnés.
0

Commentaires - 0

Sans commentaires

Ajouter un commentaire

smile smile smile smile smile smile smile smile
smile smile smile smile smile smile smile smile
smile smile smile smile smile smile smile smile
smile smile smile smile
Caractères restants: 3000
captcha

Ajouter L'article

title
text
Caractères restants: 5000