P väärtus on statistiline mõõt, mis aitab teadlastel kindlaks teha, kas nende hüpoteesid on õiged või mitte. P väärtusi kasutatakse selleks, et teha kindlaks, kas nende katse tulemused jäävad vaadeldavate sündmuste normaalsesse väärtusvahemikku. Tavaliselt, kui andmehulga P väärtus on alla teatud ettemääratud summa (näiteks 0,05), lükkavad teadlased oma katse “nullhüpoteesi” ümber – teisisõnu lükkavad nad hüpoteesi välja. et nende katse muutujatel ei olnud tulemustele olulist mõju. Tänapäeval leitakse p väärtused tavaliselt võrdlustabelist, arvutades esmalt chi ruudu väärtuse.
1
Määrake oma katse oodatavad tulemused. Tavaliselt on teadlastel eksperimendi läbiviimisel ja tulemuste jälgimisel ettekujutus sellest, millised “tavalised” või “tüüpilised” tulemused välja näevad. See võib põhineda varasematel katsetulemustel, usaldusväärsetel vaatlusandmete kogumitel, teaduskirjandusel ja/või muudel allikatel. Katse jaoks määrake oma eeldatavad tulemused ja väljendage neid arvuna. Näide. Oletame, et varasemad uuringud on näidanud, et riiklikult antakse kiiruseületamise karteid punastele autodele sagedamini kui sinistele autodele. Oletame, et riigi keskmised tulemused näitavad punaste autode eelistust 2:1. Tahame välja selgitada, kas ka meie linna politsei demonstreerib seda erapoolikust, analüüsides meie linna politsei poolt antud kiiruseületamise trasse või mitte. Kui võtta meie linna punastele või sinistele autodele antud juhuslik 150 kiiruseületamise piletit, eeldame, et 100 on punaste autode ja 50 siniste autode jaoks, kui meie linna politsei annab pileteid vastavalt riiklikule eelarvamusele.
2
Määrake oma katse vaadeldud tulemused. Nüüd, kui olete oma eeldatavad väärtused määranud, saate katse läbi viia ja leida oma tegelikud (või “vaadeldud”) väärtused. Jällegi väljendage neid tulemusi numbritena. Kui me manipuleerime mõne katsetingimusega ja vaadeldud tulemused erinevad sellest oodatud tulemustest, on võimalikud kaks võimalust: kas see juhtus juhuslikult või põhjustas erinevuse meie manipuleerimine eksperimentaalsete muutujatega. P-väärtuse leidmise eesmärk on põhimõtteliselt kindlaks teha, kas vaadeldud tulemused erinevad oodatud tulemustest niivõrd, et tekib “nullhüpotees” – hüpotees, et katsemuutuja(te) ja vaadeldavate tulemuste vahel puudub seos. – on ebatõenäoline, et tagasi lükata.Näide: Oletame, et meie linnas valisime juhuslikult 150 kiiruseületamise piletit, mis anti kas punasele või sinisele autole. Leidsime, et 90 piletit olid punastele ja 60 sinistele autodele. Need erinevad meie oodatud tulemustest vastavalt 100 ja 50. Kas meie eksperimentaalne manipuleerimine (antud juhul meie andmete allika muutmine riiklikust kohalikuks) põhjustas selle tulemuste muutuse või on meie linna politsei nii erapoolik, kui riigi keskmine näitab, ja me lihtsalt jälgime juhuslik variatsioon? P väärtus aitab meil seda kindlaks teha.
3
Määrake oma katse vabadusastmed. Vabadusastmed on uuringuga seotud varieeruvuse mõõt, mille määrab uuritavate kategooriate arv. Vabadusastmete võrrand on vabadusastmed = n-1, kus “n” on teie katses analüüsitavate kategooriate või muutujate arv.Näide. Meie katsel on kaks tulemuste kategooriat: üks punaste autode ja teine sinise jaoks autod. Seega on meie katses 2-1 = 1 vabadusaste. Kui oleksime võrrelnud punaseid, siniseid ja rohelisi autosid, oleks meil 2 vabadusastet jne.
4
Võrrelge eeldatavaid tulemusi chi-ruuduga täheldatud tulemustega. Chi ruut (kirjutatud “x2”) on arvväärtus, mis mõõdab erinevust katse oodatavate ja vaadeldud väärtuste vahel. Chi ruudu võrrand on: x2 = Σ((o-e)2/e), kus “o” on vaadeldav väärtus ja “e” on eeldatav väärtus. Summeerige selle võrrandi tulemused kõigi võimalike tulemuste jaoks (vt allpool). Pange tähele, et see võrrand sisaldab Σ (sigma) operaatorit. Teisisõnu peate arvutama ((|o-e|-.05)2/e) iga võimaliku tulemuse jaoks ja seejärel liitma tulemused oma chi-ruudu väärtuse saamiseks. Meie näites on meil kaks tulemust – kas pileti saanud auto on punane või sinine. Seega arvutaksime ((o-e)2/e) kaks korda – üks kord punaste autode ja üks kord siniste autode jaoks.Näide: ühendame oma eeldatavad ja vaadeldud väärtused võrrandisse x2 = Σ((o-e)2/e). Pidage meeles, et sigma-operaatori tõttu peame sooritama ((o-e)2/e) kaks korda – üks kord punaste ja üks kord siniste autode puhul. Meie töö oleks järgmine: x2 = ((90-100)2/100) + (60-50)2/50)x2 = ((-10)2/100) + (10)2/50)x2 = (100/100) + (100/50) = 1 + 2 = 3 .
5
Valige olulisuse tase. Nüüd, kui me teame oma katse vabadusastmeid ja chi ruudu väärtust, peame enne p väärtuse leidmist tegema veel ühe asja – peame otsustama olulisuse taseme üle. Põhimõtteliselt on olulisuse tase mõõt selle kohta, kui kindlad me oma tulemustes olla tahame – madalad olulisuse väärtused vastavad väikesele tõenäosusele, et katsetulemused juhtusid juhuslikult, ja vastupidi. Olulisuse tasemed kirjutatakse kümnendkohana (nt 0,01), mis vastab protsendile tõenäosusele, et juhusliku valimi võtmisel tekib sama suur erinevus kui see, mida te täheldasite, kui populatsioonides poleks erinevusi. Levinud on eksiarvamus, et p=0,01 tähendab, et 99% tõenäosusega on tulemuste põhjuseks teadlase manipuleerimine eksperimentaalsete muutujatega. See EI OLE nii. Kui kannaksite oma õnnepükse seitsmel erineval päeval ja aktsiaturg tõuseks igal nendel päevadel, oleks teie p<0,01, kuid teil oleks siiski õigus uskuda, et tulemuse on tekitanud pigem juhus kui seos turu ja teie pükste vahel. Kokkuleppeliselt määravad teadlased oma katsete olulisuse väärtuseks tavaliselt 0,05 ehk 5 protsenti. See tähendab, et katsetulemustel, mis vastavad sellele olulisuse tasemele, on kõige rohkem 5% tõenäosus, et neid reprodutseeritakse juhusliku valimi võtmise protsessis. Enamiku katsete puhul peetakse tulemuste genereerimist, mida juhusliku valimi moodustamise protsessiga tõenäoliselt ei saada, kui "edukalt", mis näitab seost katsemuutuja muutuse ja täheldatud efekti vahel. Näide: meie punase ja sinise auto näite puhul teeme järgmist. järgige teaduslikke tavasid ja määrake meie olulisuse tasemeks 0,05. 6
Kasutage oma p-väärtuse ligikaudseks määramiseks chi-ruudu jaotustabelit. Teadlased ja statistikud kasutavad oma katse p väärtuse arvutamiseks suuri väärtuste tabeleid. Need tabelid on üldiselt koostatud nii, et vertikaaltelg vasakul vastab vabadusastmetele ja horisontaaltelg üleval vastab p-väärtusele. Kasutage neid tabeleid, leides esmalt oma vabadusastmed, seejärel lugedes seda rida vasakult paremale, kuni leiate esimese väärtuse, mis on suurem kui teie chi ruudu väärtus. Vaadake vastavat p väärtust veeru ülaosas – teie p väärtus on selle väärtuse ja suuruselt järgmise väärtuse (sellest vahetult vasakul) vahel. Chi ruudu jaotustabelid on saadaval erinevatest allikatest – need on kergesti leitav Internetist või teaduse ja statistika õpikutest. Kui teil seda käepärast pole, kasutage ülaloleval fotol olevat või tasuta võrgutabelit, nagu see, mida pakub siin medcalc.org. Näide: meie hii-ruut oli 3. Kasutame hii ruudu jaotustabelit ligikaudse p väärtuse leidmiseks ülaloleval fotol. Kuna me teame, et meie katsel on ainult 1 vabadusaste, alustame kõrgeimast reast. Liigume mööda seda rida vasakult paremale, kuni leiame väärtuse, mis on suurem kui 3 – meie chi ruudu väärtus. Esimene, millega me kokku puutume, on 3,84. Vaadates selle veeru ülaosa, näeme, et vastav p väärtus on 0,05. See tähendab, et meie p väärtus on vahemikus 0,05 kuni 0,1 (tabeli suuruselt järgmine p väärtus). 7
Otsustage, kas lükata oma nullhüpotees tagasi või jätta see alles. Kuna olete leidnud oma katse jaoks ligikaudse p-väärtuse, saate otsustada, kas lükata oma katse nullhüpoteesi tagasi või mitte (meeldetuletuseks, see on hüpotees, et teie manipuleeritud katsemuutujad ei mõjutanud teie vaadeldud tulemusi.) Kui teie p väärtus on teie olulisuse väärtusest madalam, õnnitleme – olete näidanud, et teie katsetulemuste ilmnemine on väga ebatõenäoline, kui teie manipuleeritud muutujate ja teie täheldatud mõju vahel poleks tegelikku seost. Kui teie p väärtus on suurem kui teie olulisuse väärtus, ei saa te seda väidet kindlalt väita.Näide: meie p väärtus on vahemikus 0,05 kuni 0,1 . See ei ole väiksem kui 0,05, nii et kahjuks ei saa me oma nullhüpoteesi ümber lükata. See tähendab, et me ei jõudnud kriteeriumini, mille järgi otsustasime, et saaksime öelda, et meie linna politsei annab punastele ja sinistele autodele pileteid riigi keskmisest oluliselt erineva kiirusega. Teisisõnu, juhuslik valim riiklikest andmetest. annaks tulemuseks 10 piletit riigi keskmisest soodsamalt 5-10% ajast. Kuna me ootasime, et see protsent oleks alla 5%, ei saa me öelda, et oleme kindlad, et meie linna politsei on punaste autode suhtes vähem kallutatud.