Wartość P, pierwotnie obliczona prawdopodobieństwo, jest prawdopodobieństwem znalezienia zaobserwowanych wyników, lub bardziej ekstremalnych wyników, gdy hipoteza zerowa (H0) pytania badawczego jest prawdziwa – ta definicja “ekstremalnego” zależy od tego, jak hipoteza jest testowana. P jest również opisana w kategoriach odrzucenia H0, gdy jest ona rzeczywiście prawdziwa, ale nie jest bezpośrednim prawdopodobieństwem tego stanu.

Hipoteza zerowa jest zazwyczaj hipotezą “bez różnicy”, np. bez różnicy między ciśnieniem krwi w grupie A i B. Zdefiniuj wyraźnie hipotezę zerową dla każdego badanego pytania przed rozpoczęciem badania.

Jedyną sytuacją, w której należy zastosować jednostronną wartość P, jest sytuacja, w której duża zmiana w nieoczekiwanym kierunku nie miałaby absolutnie żadnego znaczenia dla badania. Taka sytuacja jest nietypowa; w razie wątpliwości należy zastosować obustronną wartość P.

Należy użyć terminu poziom istotności (alfa) jako wskaźnika prawdopodobieństwa sprzed przyspieszenia, a termin wartość P jest używany do wskazania prawdopodobieństwa, które jest obliczane po danym badaniu.

Hipoteza alternatywna (H1) jest przeciwieństwem hipotezy zerowej; innymi słowy, jest to zazwyczaj hipoteza, którą chcesz zbadać. Na przykład, pyta “czy istnieje znacząca różnica (nie wynikająca z przypadku) w ciśnieniu krwi pomiędzy grupami A i B, jeśli podamy grupie A lek testowy, a grupie B pigułkę cukrową?”, a hipoteza alternatywna “czy istnieje różnica w ciśnieniu krwi pomiędzy grupami A i B, jeśli podamy grupie A lek testowy, a grupie B pigułkę cukrową”.

Jeśli wartość P jest niższa niż wybrany poziom istotności, odrzucasz hipotezę zerową, tzn. akceptujesz, że Twoja próbka daje uzasadnione dowody na poparcie hipotezy alternatywnej. Nie oznacza to “znaczącej” lub “ważnej” różnicy; Twoim obowiązkiem jest podjęcie decyzji, kiedy rozważasz znaczenie swojego wyniku w świecie rzeczywistym.

Wybór poziomu istotności, przy którym odrzucasz H0, jest arbitralny. Konwencjonalnie stosuje się poziomy 5% (mniej niż 1 na 20 szans na pomyłkę), 1% i 0,1% (P < 0,05, 0,01 i 0,001). Takie liczby mogą dawać fałszywe poczucie bezpieczeństwa.

Gdybyśmy byli w idealnym świecie, bylibyśmy w stanie określić “idealnie” losową próbę, najbardziej odpowiedni test i ostateczny wniosek. Po prostu nie możemy. To, co możemy zrobić, to spróbować zoptymalizować wszystkie etapy naszych badań, aby zminimalizować źródła niepewności. Prezentując wartości P, niektóre grupy uznają za przydatne zastosowanie systemu oceny gwiazdkowej i cytowania wartości P:

P < 0.05 *

P < 0.01 **

P < 0.001

Większość autorów powołuje się na P < 0,05 jako statystycznie istotne i P < 0,001 jako statystycznie bardzo istotne (mniej niż jedna szansa na tysiąc, aby się mylić).

Gwiazdka systemowa pozwala na uniknięcie terminu “znaczący”. Zauważmy jednak, że wielu statystyków nie docenia systemu gwiazdek, gdy jest on używany bez pokazywania wartości P. Zasadą jest, że jeśli możesz podać dokładną wartość P, to zrób to. Możesz również zacytować dokładną wartość P jako gwiazdkę w narracji tekstowej lub w tabelach kontrastowych w innych częściach raportu.

Słowo o błędzie w tym miejscu. Błąd typu I to fałszywe odrzucenie hipotezy zerowej, a błąd typu II to fałszywe przyjęcie hipotezy zerowej. Jako przypomnienie, aby pomóc: myśleć, że nasze cyniczne społeczeństwo odmawia przed zaakceptowaniem.

Poziom znaczenia (alfa) jest prawdopodobieństwem błędu typu I. Moc testu to jeden minus prawdopodobieństwo błędu typu II (beta). Siła powinna być zmaksymalizowana przy wyborze metod statystycznych. Jeśli chcemy oszacować wielkość próby, musimy zrozumieć wszystkie wymienione tutaj terminy.

Ta tabela pokazuje zależność między mocą a błędem w teście hipotetycznym:

DECISION
TRUTH Accept H0: Reject H0:
H0 is true: correct decision P type I error P
1-alpha alpha (significance)
H0 is false: type II error P correct decision P
beta 1-beta (power)
H0 = null hypothesis
P = probability

Proszę odnieść się do jednego z ogólnych tekstów wymienionych w części referencyjnej, jeśli są Państwo zainteresowani w tym momencie bardziej szczegółowymi informacjami na temat prawdopodobieństwa i teorii pobierania próbek.

Jeżeli zamierzają Państwo zacytować wartości P w sprawozdaniach i dokumentach, konieczne jest zrozumienie przedziałów ufności. Statystyczni recenzenci czasopism naukowych oczekują, że autorzy będą cytować przedziały ufności w większym stopniu niż wartości P.