bodybuilding.dk

Nu skal jeg lige høre jer kloge hoveder. Hvis man eks. tester på 5 % niveau i en ensidet varians analyse, om eksempelvis at der er tidsforskel på 4 elevers brug på lektier, ud fra en række data. Hvis p-værdien viser sig at være 0,65 er der så signifikant forskel eller ej? Kan ikke helt få hovedet rundt om p-værdien..

Eftersom det er en ensidet test, skal du ikke halvere p-værdien. Altså er dit resultat ikke signifikant. For at forstå p-værdien bedre, skal du se 1 som 100% og 0 som 0%. Derved er 0,5 50%, 0.05, 5 procent. Altså skal dit resultat være <0.05 før det er statistisk signifikant.

Vi vil tage fejl hver 20. gang. p<0,05:

Mindre end 5 procents chance for, at nulhypotesen er rigtig
Jo højere p-værdi jo højere chance for at tage fejl. F. eks 0.197 så er der stor chance for at man tager fejl.

Så jo lavere din procent er, jo større chance for at din nulhypotese er rigtigt. Fx 0,005 så er du RET sikker i din hypotese. 0,5 så er du 95% sikker.

Nulhypotesen forholder sig til sammenhængen mellem forholdet om de sammenhænge man vil undersøge. Der er ingen statistisk signifikant når der er nulhypotese

Eksempel:
Køn har ingen indflydelse på at man stjæler fra arbejdspladsen. Nulhypotesen hænger sammen med det spørgsmål man stiller. Det er altid i forhold til variablerne. Det er sammenhængen mellem variablerne. Hvornår påvirker a/b – hvornår påvirker ens køn ift. at stjæle fra arbejdspladsen?



Håber det giver mening :-)

troublemaker skrev:Så jo lavere din procent er, jo større chance for at din nulhypotese er rigtigt.

Nul-hypoten er aldrig rigtig. Ved en tilstrækkelig lav p-værdi kan vi bare ikke forkaste nul-hypoten (der siger at der ikke er sammenhæng).

Måske kan disse videoer hjælpe dig

http://www.frividen.dk/matematik/statistik/

troublemaker skrev:Mindre end 5 procents chance for, at nulhypotesen er rigtig

Nej, i statistik forholder vi os kun til sandsynlighed, ikke rigtigt/forkert.

taler skrev:Jo højere p-værdi jo højere chance for at tage fejl. F. eks 0.197 så er der stor chance for at man tager fejl.

Sludder. Jo højere signifikansniveau, jo højere sikkerhed kan du konkludere med og desto mere sikker er du på, ikke at lave type 1 eller type 2 fejl. P-værdi er kun et udtryk for sandsynligheden for, om gentagelse af samme forsøg vil være ligeså eller mere ekstrem.

Nu ved jeg ikke lige hvilken test du refererer til, men her er generelt om statistiske tests.

1) Man antager, at nulhypotesen er sand. Her, altså at der ikke er nogen forskel mellem eleverne.
2) Når nulhypotesen er sand kan man vise matematisk, at ens test-statistik (ofte approksimativt) følger en specifik sandsynlighedsfordeling. Man kan derfor regne på hvor sandsynligt det er at observere en værdi, hvis nulhypotesen er sand.
3) Man finder sandsynligheden for at observere en værdi mindst så ekstrem som den man har observeret (givet nulhypotesen er sand!). Man kalder denne for p-værdien.
4) Hvis p-værdien er mindre end en eller anden arbitrært, og på forhånd, fastsat grænse (10%,5%,1%,...) kan man med nogen konfidens forkaste hypotesen, da sandsynligheden for at observere det observerede er så lille under nulhypotesen. Omvendt opretholder man nulhypotesen, hvis p-værdien er større end den fastsatte grænse.

Med en p-værdi på 65% opretholder du derfor nulhypotesen om at der ikke er forskel.

taler skrev:

troublemaker skrev:Så jo lavere din procent er, jo større chance for at din nulhypotese er rigtigt.

Nul-hypoten er aldrig rigtig. Ved en tilstrækkelig lav p-værdi kan vi bare ikke forkaste nul-hypoten (der siger at der ikke er sammenhæng).

Jo, Nul-hypoteser kan så sandelig være korrekt, hvis den aldrig var korrekt hvad skulle meningen så være med at teste den.

Disclaimer jeg har ingen ph.d i statistik. Du bør tjekke op på det jeg skriver. Indtil videre mange svar været fyldt med fejl fortolkninger af p-værdier og nul hypoteser.

P-værdien er pr. definition sandsynligheden for at observere et resultat svagt mere ekstremt end det observeret under antagelse af at vores nul hypotese er sand (se eksempel nedenunder). Hvis vi vælger et signifikansniveau forkaster vi vores nul-hypotese, hvis p<=0,05- Signifikansniveauet bestemmer derfor grænsen for vores hyppigt vi tillader at forkaste en sand hypotese, en så kaldt type-I fejl. Således forkaster vi med 5% sandsynlighed en sand nul-hypotese med et signifikansniveau på 5%

Eksempel 1.

Vi vil undersøge om danske mænds højde er normalt fordelt med middelværdi 180 cm og varians 15cm. Vores nul hypotese er således at danske mænds højde er normalt fordelt med middelværdi 180cm og varians 15cm, som vi undersøger med et signifikansniveau på 5%. Antag for simpelhedens skyld at vi laver en stikprøve med 1 individ lad os kalde ham Jens. Antag at vi målte Jens højde til 210 cm. Bemærk at 210cm = 180cm + 2*15cm. Så vores p-værdi er sandsynligheden for at observerer en højde der er mindst ligeså ekstrem, givet vores model, som en højde på 210cm. Dette svarer netop til at vores stikprøve gav en observeret højde som var svagt større end 210 cm eller svagt mindre end 150cm = 180 cm - 2*15cm. Dette vil ske med cirka 4 procentsandsynlighed så p = 0,04. Da p-værdien er under vores signifikansniveau forkaster vi nul-hypotesen.

Ved nærmere efter tanke er eksemplet ret omstændigt, men jeg håber du kan følge idéen.

Generelt:

Vi forkaster nul-hypotesen ved p-værdier under vores signifikansniveau, som angiver sandsynligheden for type-1-fejl. Er p-værdierne over vores signifikansniveau forkaster vi ikke vores nul-hypotese.
En (ret stor) fejl er at tolke p-værdien som sandsynligheden for at vores nul hypotese er sand givet vores observation(er)!!
p-værdier siger nok mindre end nogen stykker på dette forum tror.