Las cuestiones del valor f y el valor p en estadística

La respuesta es la siguiente:

El valor f representa el efecto de esterilización total bajo ciertas condiciones de esterilización. El tiempo de esterilización a diferentes temperaturas generalmente se convierte en un tiempo de esterilización de 120 °C, lo que equivale a una esterilización. tiempo de 120°C. Es importante señalar que no se refiere al tiempo que los trabajadores dedican a las operaciones reales, sino a un tiempo de conversión teórico.

El valor p es una medida de la diferencia entre el grupo control y el grupo experimental. * indica que el valor de P es inferior a 0,05, lo que indica que la diferencia entre los dos grupos es significativa; * * indica que el valor de P es inferior a 0,01, lo que indica que la diferencia entre los dos grupos es extremadamente significativa;

Esto se puede calcular usando SPSS. Según su descripción, la variable independiente debe ser el sexo de la mosca de la fruta (hembra o macho), la variable dependiente debe ser la esperanza de vida, la variable independiente es una variable nominal y la variable dependiente es una variable continua, por lo que puede usar ANOVA unidireccional para obtener los resultados.

Además, en la interpretación estadística, el valor F generalmente no se considera, solo se requiere el valor P. Pero al escribir un artículo, debes escribir el valor F y poner el valor P entre paréntesis.

Ra Fisher (1890-1962), como fundador de la teoría de la prueba de hipótesis, propuso por primera vez el concepto de valor p en la prueba de hipótesis. Sostuvo que la prueba de hipótesis es un procedimiento mediante el cual los investigadores pueden formarse juicios sobre un parámetro de población.

En otras palabras, cree que la prueba de hipótesis es una forma de análisis de datos e información subjetiva que las personas añaden a su investigación. (Neyman-Pearson se opuso a esta opinión en ese momento, quien creía que la prueba de hipótesis era un método mediante el cual quienes tomaban decisiones podían elegir claramente entre dos posibilidades mientras controlaban la probabilidad de error.

Había un largo y doloroso debate entre estos dos métodos. Aunque los estadísticos modernos también se opusieron a las opiniones de Fisher, hizo una enorme contribución al desarrollo de las pruebas de hipótesis modernas)

Lo que Fisher hace específicamente es:

Asumir el valor de un parámetro.

Elija un estadístico de prueba (como el estadístico Z o el estadístico Z) cuya distribución se conozca completamente cuando el parámetro de la hipótesis sea verdadero.

Seleccione una muestra aleatoria de la población de investigación, calcule el valor del estadístico de prueba y calcule el valor de probabilidad p o el nivel de significancia del valor observado, es decir, suponiendo que sea cierto, la prueba estadística es mayor o igual a la probabilidad del valor observado real. ?

Si p

Si es 0,01

Si el valor de p > 0,05, significa que el resultado está más inclinado a aceptar el valor del parámetro hipotético.

Sin embargo, en esa época, no era fácil calcular el valor P debido a problemas de hardware, por lo que la gente usaba el método de prueba estadística, que es el método que aprendimos por primera vez para comparar el valor T y la T. valor crítico. El método de prueba estadística determina el nivel de significancia α antes de la prueba, es decir, la región de rechazo se determina de antemano.

Sin embargo, si la selección es la misma, la confiabilidad de todas las conclusiones de la prueba será la misma y no puede dar una medida precisa de la inconsistencia entre los datos observados y la hipótesis nula. Mientras la estadística caiga en la región de rechazo, los resultados de la hipótesis son los mismos, es decir, los resultados son significativos. Pero, de hecho, los datos estadísticos tienen posiciones diferentes en el dominio del rechazo y el significado real también es muy diferente.

Por lo tanto, con el desarrollo de las computadoras, el cálculo del valor P ya no es un problema, lo que convierte al valor P en uno de los indicadores estadísticos más utilizados.