Проверка гипотез: P-значение (одновыборочный t-тест) | Статистика 101 #5 | MarinStatsLectures скачать в хорошем качестве

Проверка гипотез: P-значение (одновыборочный t-тест) | Статистика 101 #5 | MarinStatsLectures

Проверка гипотез 5: Значения p (одновыборочный t-тест): Что такое p-значение и как его использовать Полный курс по проверке гипотез: https://bit.ly/2Ff3J9e; Больше видео по статистике с использованием языка программирования R: https://goo.gl/4vDQzT ►► Хотите нас поддержать? Вы можете сделать пожертвование (https://bit.ly/2CWxnP2). Трудно с деньгами? Поделитесь нашими видео с друзьями, и пусть наши видео увидят больше людей! В любом случае, спасибо! В этом наборе уроков по статистике (Статистика 101) вы узнаете о концепции нулевой и альтернативной гипотез, как использовать статистику теста для оценки соответствия наших данных нулевой гипотезе, об использовании уровня значимости и p-значений или критических областей, о выводах, которые мы можем сделать, а также об ошибках, которые могут быть допущены при формулировании выводов. В пятом видео из серии «Статистика для проверки гипотез: основы» мы узнаем о p-значениях, их правильной интерпретации и о том, как они используются для принятия решения о том, следует ли отклонить или не отклонить нулевую гипотезу в контексте одновыборочного t-теста. ►P-значение — это еще один способ определить, следует ли нам отклонить нулевую гипотезу и утверждать, что альтернативная гипотеза верна. Напомним, что мы начинаем тест, предполагая, что нулевая гипотеза верна, и мы «отклоним эту нулевую гипотезу» и «будем считать альтернативную гипотезу верной» только в том случае, если наша тестовая статистика велика (и наша выборочная статистика, выборочное среднее, несовместима с истинностью нулевой гипотезы). Значение p дает нам оценку того, «насколько вероятно, что мы получим выборочную статистику (в данном случае, выборочное среднее), которую мы получили в нашей выборке, или даже еще более далекое от нулевой гипотезы значение, если нулевая гипотеза верна». Неформально это можно рассматривать как показатель вероятности увидеть то, что мы получили в наших данных, или что-то еще более экстремальное, если нулевая гипотеза верна. Чтобы отклонить нулевую гипотезу и утверждать, что альтернативная гипотеза верна, нам нужно небольшое значение p. Значение p можно сравнить с уровнем значимости (альфа), чтобы принять это решение. ►Одновыборочный t-тест помогает нам решить, считаем ли мы, что выборочное среднее статистически отличается от известного или предполагаемого среднего значения генеральной совокупности. Одновыборочный t-тест — это параметрический тест. Этот тест также известен как: одновыборочный t-тест или t-тест Стьюдента, или, если предполагается, что стандартное отклонение генеральной совокупности известно, он называется Z-тестом. Тест работает путем вычисления тестовой статистики, которая измеряет, насколько совместима выборочная статистика (выборочное среднее). В данном случае) значение, которое ожидалось бы для выборочной статистики, если бы нулевая гипотеза была верна (значение, предполагаемое нулевой гипотезой). Затем вычисляется p-значение. p-значение показывает вероятность получения выборочной статистики, настолько далекой или далекой от значения, предполагаемого нулевой гипотезой, если бы нулевая гипотеза была верна. p-значение помогает нам решить, будем ли мы считать нулевую гипотезу верной или нет. ►► Смотрите больше: ► Вводный курс по статистике: https://bit.ly/2SQOxDH ► Уроки по R для анализа данных: https://bit.ly/1A1Pixc ► Начало работы с R (серия 1): https://bit.ly/2PkTneg ► Графики и описательная статистика в R (серия 2): https://bit.ly/2PkTneg ► Вероятностные распределения в R (серия 3): https://bit.ly/2AT3wpI ►Бивариантный анализ в R (серия 4): https://bit.ly/2SXvcRi ►Линейная регрессия в R (серия 5): https://bit.ly/1iytAtm ►Концепция ANOVA и работа с R https://bit.ly/2zBwjgL Подписывайтесь на MarinStatsLectures Подписаться: https://goo.gl/4vDQzT Веб-сайт: https://statslectures.com Facebook: https://goo.gl/qYQavS Twitter: https://goo.gl/393AQG Instagram: https://goo.gl/fdPiDn Наша команда: Создатель контента: Майк Марин (бакалавр, магистр), старший преподаватель UBC. Продюсер и креативный менеджер: Ладан Хамадани (бакалавр наук, бакалавр искусств, магистр общественного здравоохранения) Эти видео созданы #marinstatslectures для поддержки некоторых курсов в Университете Британской Колумбии (UBC) (#Введение в статистику и #Видеоуроки по исследованиям в области здравоохранения), хотя мы предоставляем все видео всем и везде бесплатно. Спасибо за просмотр! Приятного просмотра и помните, что статистика почти так же прекрасна, как единорог!