Encontra-se o significado dos resultados. Analisa os dados e faz experiências. No entanto, a relevância empresarial é diferente da significância estatística. Muitas organizações empresariais não conseguiram distinguir entre os dois e o uso indevido e a compreensão incorrecta do conceito. Por outro lado, a análise adequada dos dados ajuda na tomada de decisões empresariais adequadas. Esta é a razão pela qual os gestores devem compreender o conceito de significância estatística.

O que é Significado Estatístico?

Significado estatístico indica que a relação de uma variável em relação a outra variável não é uma coincidência, mas sim devido a outro factor sobre essa variável. Em palavras fáceis, significado estatístico é uma representação matemática da fiabilidade das estatísticas. Neste artigo, aprenderá como calcular a significância estatística entre dois factores.

Cálculo da significância estatística

Pode compreender o conceito e encontrar uma resposta extensa através do cálculo manual do significado estatístico. Pode utilizar uma calculadora. Aqui estão os passos que pode seguir para calcular a significância estatística:

1.Criar uma Hipótese Nula

Antes de mais, é necessário determinar a hipótese nula. Pode descobrir se existe uma diferença no conjunto de dados que está a utilizar. Nunca deve acreditar na sua hipótese nula, pois isto é apenas uma suposição.

2.Criar uma Hipótese Alternativa

Agora, descubra a hipótese alternativa. Quando encontrar a hipótese alternativa, saberá se existe uma relação entre os seus dados. A hipótese alternativa é oposta à hipótese nula que encontrou anteriormente.

3.Determinação do nível de significância

Depois de encontrar a hipótese nula e alternativa, determinará o nível de significância ou alfa. Existe a possibilidade de ter de rejeitar a sua hipótese nula mesmo que ela possa ser verdadeira. O alfa padrão é de 0,05 a 5 por cento.

4.Escolher o tipo de teste

Decida agora de que teste irá escolher, de uma ou duas caudas. No entanto, a área de distribuição do teste de uma cauda é unilateral, e para o teste de duas caudas, é de duas faces. Em palavras simples, em testes unidireccionais, irá analisar a relação das duas variáveis numa única direcção e duas direcções em testes bi-direccionais. Se as suas amostras são unilaterais, então a sua hipótese alternativa é verdadeira.

5.Execução de Análise de Poder para Tamanho da Amostra

A análise de potência ajudá-lo-á a determinar o tamanho da amostra. Para encontrar a análise de poder, deverá conhecer o poder estatístico, nível de significância, tamanho da amostra e tamanho do efeito. É necessário utilizar uma calculadora para realizar estes cálculos. Mantendo-se num grau de confiança, este método ajudá-lo-á a determinar o tamanho da amostra. Este método ajudá-lo-á a encontrar um tamanho de amostra adequado para que possa calcular a significância estatística. Por exemplo, se o tamanho da amostra for muito pequeno, não encontrará um resultado exacto.

6.Cálculo do Desvio Padrão

Agora, calcular o desvio padrão. Para o fazer, é necessário utilizar a seguinte fórmula:
Desvio padrão = √ ((∑|x-μ|^ 2) / (N-1))
Nesta equação:

• ∑ = é a soma dos dados
• x = são os dados individuais
• μ = é a média dos dados para cada grupo
• N = é a amostra total
  Com este cálculo, pode descobrir como repartir o valor médio e o valor esperado. Encontre a variação entre os grupos se tiver mais grupos de amostra.

7.Utilizar a Fórmula de Erro Padrão

Depois disso, utilizar a fórmula de erro padrão. Aqui está a fórmula para encontrar o erro padrão dos dois grupos através do desvio padrão.
Erro-padrão =√((s1/N1) + (s2/N2))
Nesta equação:

• s1 = é o desvio padrão (primeiro grupo)
• N1 = é o tamanho da amostra (primeiro grupo)
• s2 = é o desvio padrão (segundo grupo)
• N2 = é o tamanho da amostra (segundo grupo)

8.Determinação do T-Score

Nesta etapa, é necessário encontrar a pontuação t. Use a equação abaixo para encontrar a pontuação t:
t =((µ1-µ2) / (sd))
Nesta equação

• t = é o t-score
• µ1 = média (primeiro grupo)
• µ2 = média (segundo grupo)
• sd =é o erro padrão

9.Encontrar graus de liberdade

Agora, descubra os graus de liberdade. Aqui está a fórmula para encontrar os graus de liberdade:
graus de liberdade =(s1 + s2) – 2
Nesta equação

• s1 = amostras (primeiro grupo)
• s2 = amostras (segundo grupo)

10.Utilizar a T-Table

Agora, pode calcular o seu significado estatístico com a ajuda da tabela t. Primeiro, procure os graus de liberdade do lado esquerdo e determine a variância. Agora, vá para cima e encontre o p-valor de cada variável. Depois, compare o nível de significância ou alfa com o valor p. Pode considerar um valor p abaixo de 0,05 como estatisticamente significativo.

O que é o valor P?

A probabilidade de encontrar os resultados é chamada de valor P. Por exemplo, está a comparar os pesos dos cidadãos dos EUA em Nova Iorque e na Califórnia. Deve começar com a hipótese nula de que os nova-iorquinos têm um peso médio superior ao dos californianos.
Agora, suponha que efectua o estudo para descobrir se a hipótese nula é verdadeira ou não. Após o estudo, verifica-se que o peso médio dos nova-iorquinos é 20 libras a mais do que na Califórnia, com 0,41 como valor P. Isto significa que a hipótese nula é verdadeira, e os nova-iorquinos pesam mais do que os californianos. Agora existe uma hipótese de 47% de medir mais 20 libras de peso dos nova-iorquinos.
Mas se os nova-iorquinos não pesarem mais, ainda terá de o medir 20 lbs mais alto devido ao ruído nos seus dados quase metade do tempo. Portanto, um valor de P mais baixo significa resultados mais precisos, uma vez que significa que há menos ruído nos dados.

Conclusão

Pode usar significado estatístico para encontrar a validade dos testes e análises. No entanto, isto não significa que tenha dados exactos. Muitos inquéritos podem fornecer informações incorrectas através de dados inadequados. Além disso, pode estar a utilizar dados demográficos com parcialidade na representação.
Além disso, os seus conhecimentos serão imprecisos se executar mal o seu teste de significância estatística. As pessoas enfrentam sobretudo este problema quando o seu nível de significância (α) está errado. Há a possibilidade de o seu valor P ser um falso positivo. Contudo, para contrariar este problema, pode repetir o estudo. Se encontrar um P-valor baixo que o anterior, reduziu a falsa positividade do seu resultado.