Lankide:Joxan Garaialde/T test

Estatistika orokorrean eta hipotesi-probetan, p-balioa (p, p-balioa, jakinarazitako p-balioa edo zuzenean ingelesez p-balioa izenez ere ezagutzen dena) definitzen da: egiazko hipotesi nulu bat emanda, kalkulatutako balio estatistiko bat posible izateko probabilitate bezala. Termino sinpleetan, p balioak ausazko laginketaren diren emaitzak estatistikoki esanguratsuak direnetatik bereizten laguntzen du.

p balioaren beste definizio are zehatzagoa izango litzateke: Ikerketaren emaitzak behatzeko probabilitatea (edo hipotesi nulutik urrunago dauden beste batzuk) hipotesi nulua egia balitz.

p -balioak arbitrarioki ezarritako esangura-maila baino txikiagoa izatearen baldintza betetzen badu, emaitza, estatistikoki, esanguratsutzat hartzen da, eta, beraz, hipotesi nulua baztertzeko aukera ematen du.

${\text{p balioa}}={\text{Probabilitatea}}({\text{muturreko emaitza edo handiagoa}}\mid {\text{hipotesi nulua}})=\mathbb {P} ({\text{muturreko emaitza edo handiagoa}}\mid H_{0})$

Ezinbestekoa da p balioa hipotesi nulu bat (edo hasierako hipotesi) egiazkoa den suposizioan oinarritzen dela indartzea. p balioa, beraz, esangura estatistikoaren neurria da.

Interpretazioa

p balioa da behatutako hurrengo balioa balio jakin baten berdina edo muturrekoagoa izateko probabilitatea, hipotesi nulua egiazkoa dela suposatuz.

p balioa probabilitate-balioa da; beraz, 0tik 1era bitartekoa da. p balioak H₀ hipotesi nulua egiazkoa dela suposatuz lortu dugun emaitza lortu izanaren probabilitatea erakusten digu. Esan ohi da p-ren balio handiek ez dutela H₀ baztertzen uzten, p-ren balio baxuek H₀ baztertzea ahalbidetzen duten bitartean.

Proba estatistiko batean, H₀ hipotesi nulua baztertzen da ikusitako emaitzari lotutako p balioa arbitrarioki ezarritako $\alpha$ baino esangura-mailaren berdina edo txikiagoa bada, konbentzionalki 0,05 edo 0,01. Beste era batera esanda, lortutako emaitza espero den emaitzen sorta emandako H₀ benetako hipotesi nulua eta $\alpha$ esangura maila aukeratua baino ezohikoagoa bada, hau da, p $\alpha$ baino txikiagoa bada, esan dezakegu, estatistikoki, esanguratsua den emaitza dugula, H₀ baztertzeko aukera ematen diguna.

Garrantzitsua da azpimarratzea hipotesi-test batek ez duela hipotesirik onartzen; besterik gabe arbuiatzen du, edo ez du baztertzen, hau da, sinesgarritzat (horrek ez du zertan esan nahi egia denik, baizik eta litekeena dela, besterik gabe) edo sinesgaitz gisa egozten du.

Ezohiko erroreen abisua

p balioa esangura-maila $\alpha$ baino txikiagoa denean ere, litekeena da hasierako hipotesia faltsua izatea; baliteke behaketa atipiko baten aurrean egotea ere. Hori dela eta, hipotesi nulua egia denean, baztertzeko errore estatistikoa egiteko zorian egongo ginateke, ohiz kanpoko behaketa aurkitzeko zorte txarra izan dugula oinarritzat hartuta. Akats mota hori zorrotzagoa izanda eta espero den p balio maximoa jaitsiz zuzendu daiteke; 0,05eko $\alpha$ ohiko ikerketa soziologikoetan erabiltzen da, 0,01 baino txikiagoa den $\alpha$ ikerketa medikoan erabiltzen den bitartean, non akats bat egiteak ondorio larriagoak ekar ditzaken. Era berean, lortutako laginaren tamaina handituz, akats hori zuzentzen saiatzea posible da, lortutako datuak kasualitatez arraroak izateko aukera murrizten baitu.

Bibliografia gehigarria

• Denworth L (October 2019). «A Significant Problem: Standard scientific methods are under fire. Will anything change?». Scientific American 321 (4): 62-67 (63). «The use of p values for nearly a century [since 1925] to determine statistical significance of experimental results has contributed to an illusion of certainty and [to] reproducibility crises in many scientific fields. There is growing determination to reform statistical analysis... Some [researchers] suggest changing statistical methods, whereas others would do away with a threshold for defining "significant" results. »
• Elderton WP (1902). «Tables for Testing the Goodness of Fit of Theory to Observation». Biometrika 1 (2): 155-163. doi:10.1093/biomet/1.2.155.
• Fisher RA (1925). Statistical Methods for Research Workers. Edinburgh, Scotland: Oliver & Boyd. ISBN 978-0-05-002170-5.
• Fisher RA (1971). The Design of Experiments (9th edición). Macmillan. ISBN 978-0-02-844690-5.
• Fisher RA, Yates F (1938). Statistical tables for biological, agricultural and medical research. London, England.
• Stigler SM (1986). The history of statistics : the measurement of uncertainty before 1900. Cambridge, Mass: Belknap Press of Harvard University Press. ISBN 978-0-674-40340-6.
• Hubbard R, Armstrong JS (2006). «Why We Don't Really Know What Statistical Significance Means: Implications for Educators». Journal of Marketing Education 28 (2): 114-120. S2CID 34729227. doi:10.1177/0273475306288399. hdl:2092/413. Originaletik artxibatua 2006-05-18an.
• Hubbard R, Lindsay RM (2008). «Why P Values Are Not a Useful Measure of Evidence in Statistical Significance Testing». Theory & Psychology 18 (1): 69-88. S2CID 143487211. doi:10.1177/0959354307086923. Originaletik artxibatua 2016-10-21ean. 2015-08-28 kontsultatua.
• Stigler S (December 2008). «Fisher and the 5% level». Chance 21 (4): 12. doi:10.1007/s00144-008-0033-3.
• Dallal GE (2012). The Little Handbook of Statistical Practice.
• Biau DJ, Jolles BM, Porcher R (March 2010). «P value and the theory of hypothesis testing: an explanation for new researchers». Clinical Orthopaedics and Related Research 468 (3): 885-892. PMC 2816758. PMID 19921345. doi:10.1007/s11999-009-1164-4.
• Reinhart A (2015). Statistics Done Wrong: The Woefully Complete Guide. No Starch Press. p. 176. ISBN 978-1593276201.