Qu’est-ce que la valeur P ?

En bref, l’estime de soi est la valeur P. Qu’est-ce que la valeur P ?

En statistique, la p-valeur est la probabilité d’obtenir les résultats observés d’un test, en supposant que l’hypothèse nulle est correcte. C’est le niveau de signification marginale dans un test d’hypothèse statistique représentant la probabilité de l’occurrence d’un événement donné. La valeur p est utilisée comme alternative aux points de rejet pour fournir le plus petit niveau de signification auquel l’hypothèse nulle serait rejetée. Une valeur p plus petite signifie qu’il existe des preuves plus solides en faveur de l’hypothèse alternative.

PRINCIPALES MESURES

Dans un test d’hypothèse statistique, la valeur p est le niveau de signification marginale représentant la probabilité d’occurrence d’un événement donné.

Pour calculer les p-values, vous pouvez utiliser des tableaux de p-values ou des logiciels de tableur/statistique.

Une valeur p plus petite indique qu’il existe des preuves plus solides en faveur de l’hypothèse alternative.

Comment la valeur P est-elle calculée ?

Les valeurs P sont calculées à l’aide de tableaux de valeurs P ou de tableurs ou de logiciels statistiques. Étant donné que les chercheurs utilisent des niveaux de signification différents lorsqu’ils examinent une question, le lecteur peut parfois avoir des difficultés à comparer les résultats de deux tests différents.

Par exemple, si deux études des rendements de deux actifs particuliers étaient entreprises en utilisant deux niveaux de signification différents, un lecteur ne pourrait pas comparer facilement la probabilité des rendements des deux actifs.

Pour faciliter la comparaison, les chercheurs font souvent figurer la valeur p dans le test d’hypothèse et permettent au lecteur d’interpréter lui-même la signification statistique. C’est ce que l’on appelle une approche de la valeur p pour les tests d’hypothèse.

Approche de la valeur P pour les tests d’hypothèse

L’approche de la valeur p pour la vérification des hypothèses utilise la probabilité calculée pour déterminer s’il existe des preuves pour rejeter l’hypothèse nulle. L’hypothèse nulle, également appelée conjecture, est l’affirmation initiale concernant une population de statistiques.

L’hypothèse alternative indique si le paramètre de la population diffère de la valeur du paramètre de la population indiquée dans la conjecture. En pratique, la valeur p, ou valeur critique, est énoncée à l’avance afin de déterminer comment la valeur requise pour rejeter l’hypothèse nulle.

Erreur de type I

Une erreur de type I est le faux rejet de l’hypothèse nulle. La probabilité qu’une erreur de type I se produise ou rejette l’hypothèse nulle lorsqu’elle est vraie est équivalente à la valeur critique utilisée. Inversement, la probabilité d’accepter l’hypothèse nulle lorsqu’elle est vraie est équivalente à 1 moins la valeur critique.

Exemple concret de valeur P

Supposons qu’un investisseur affirme que la performance de son portefeuille d’investissement est équivalente à celle de l’indice Standard & Poor’s (S&P) 500. Afin de le déterminer, l’investisseur effectue un test bilatéral. L’hypothèse nulle indique que le rendement du portefeuille est équivalent à celui du S&P 500 sur une période donnée, tandis que l’hypothèse alternative indique que le rendement du portefeuille et celui du S&P 500 ne sont pas équivalents. Si l’investisseur effectuait un test unilatéral, l’hypothèse alternative indiquerait que les rendements du portefeuille sont soit inférieurs, soit supérieurs aux rendements du S&P 500.

Une valeur p couramment utilisée est de 0,05. Si l’investisseur conclut que la p-value est inférieure à 0,05, il existe des preuves solides contre l’hypothèse nulle. En conséquence, l’investisseur rejettera l’hypothèse nulle et acceptera l’hypothèse alternative.

À l’inverse, si la p-value est supérieure à 0,05, cela indique qu’il y a peu de preuves contre la conjecture, de sorte que l’investisseur ne rejetterait pas l’hypothèse nulle. Si l’investisseur trouve que la p-value est de 0,001, cela indique qu’il y a de fortes preuves contre l’hypothèse nulle, et les rendements du portefeuille et du S&P 500 peuvent ne pas être équivalents.à obtenir les conséquences observées d’un test, en s’attendant à ce que la théorie non valide soit juste. C’est le degré de criticité négligeable à l’intérieur d’un test de théorie factuelle qui parle de la probabilité de l’événement d’une occasion donnée. L’estime de soi est utilisée comme une option par opposition aux objectifs de licenciement pour donner le plus petit degré d’importance auquel la théorie non valable serait rejetée. Un peu de p-esteem implique qu’il y a plus de preuves fondées pour la spéculation élective.