Alpha和P值有什么區(qū)別？
在進行顯著性檢驗或假設檢驗時，有兩個容易混淆的數(shù)字。這些數(shù)字很容易混淆，因為它們都是零到一之間的數(shù)字，并且都是概率。一個數(shù)字稱為測試統(tǒng)計量的p值。另一個感興趣的數(shù)字是顯著性水平或α。我們將檢查這兩個概率并確定它們之間的差異。
Alpha Values
數(shù)字alpha是我們測量p值的閾值。它告訴我們極端觀察結果必須是如何拒絕顯著性檢驗的零假設。
alpha的值與我們測試的置信度相關聯(lián)。以下列出了一些與alpha相關值的置信度：
- 對于置信度為90%的結果，alpha的值為1-0.90=0.10。
- 對于置信度為95%的結果，alpha的值為1-0.95=0.05。
- 對于置信度為99%的結果，alpha的值為1-0.99=0.01。
- 通常，對于置信度為C%的結果，alpha的值為1-C/100。
雖然在理論和實踐中許多數(shù)字可以用于alpha，但最常用的是0.05。其原因在于共識表明這個級別在許多情況下是合適的，并且歷史上它已被接受為標準。但是，在許多情況下，應該使用較小的alpha值。沒有一個alpha值總是決定統(tǒng)計顯著性。
alpha值給我們一個類型I錯誤的概率。當我們拒絕實際為真的零假設時，會發(fā)生I型錯誤。因此，從長遠來看，對于顯著性水平為0.05=1/20的檢驗，真正的零假設將每20次被拒絕一次。
P-value
作為顯著性檢驗一部分的另一個數(shù)字是p值。p值也是一個概率，但它來自與alpha不同的來源。每個測試統(tǒng)計量都有相應的概率或p值。該值是假設零假設為真，則觀察到的統(tǒng)計量僅偶然發(fā)生的概率。
由于存在許多不同的測試統(tǒng)計信息，因此有許多不同的方法可以找到p值。在某些情況下，我們需要知道人口的概率分布
測試統(tǒng)計量的p值是一種說明該統(tǒng)計量對我們的樣本數(shù)據(jù)有多極端的方式。p值越小，觀察到的樣品越不可能。
P值與Alpha
之間的差異為了確定觀察結果是否具有統(tǒng)計學意義，我們比較了α值和p值。出現(xiàn)了兩種可能性：
- p值小于或等于alpha。在這種情況下，我們拒絕零假設。發(fā)生這種情況時，我們說結果具有統(tǒng)計意義。換句話說，我們可以合理地確定，除了偶然之外，還有其他事情可以給我們一個觀察到的樣本。
- p值大于alpha。在這種情況下，我們不能拒絕零假設。發(fā)生這種情況時，我們說結果沒有統(tǒng)計學意義。換句話說，我們可以合理地確定我們觀察到的數(shù)據(jù)可以僅憑偶然性來解釋。
上述含義是α值越小，聲稱結果具有統(tǒng)計學意義就越困難。另一方面，alpha的值越大，越容易聲稱結果具有統(tǒng)計顯著性。然而，與此相結合的是，我們觀察到的可能歸因于機會的可能性更高。
