ในการทดสอบสมมติฐานทางสถิติค่า p (ค่าความน่าจะเป็น) คือการวัดความน่าจะเป็นของการค้นหาผลลัพธ์ที่สังเกตได้หรือผลลัพธ์ที่รุนแรงกว่าเมื่อสมมติฐานว่างของการทดสอบทางสถิติที่กำหนดเป็นจริง ค่า p เป็นค่าหลักที่ใช้ในการหาจำนวนนัยสำคัญทางสถิติของผลการทดสอบสมมติฐานการทดสอบสมมติฐานการทดสอบสมมติฐานการทดสอบสมมติฐานเป็นวิธีการอนุมานทางสถิติ ใช้เพื่อทดสอบว่าคำสั่งเกี่ยวกับพารามิเตอร์ประชากรถูกต้องหรือไม่ การทดสอบสมมติฐาน .
การตีความหลักของ p-value คือมีหลักฐานเพียงพอหรือไม่ที่จะปฏิเสธสมมติฐานว่าง หากค่า p ต่ำพอสมควร (น้อยกว่าระดับนัยสำคัญ) เราสามารถระบุได้ว่ามีหลักฐานเพียงพอที่จะปฏิเสธสมมติฐานว่าง มิฉะนั้นเราไม่ควรปฏิเสธสมมติฐานว่าง
ข้อสรุปเกี่ยวกับการทดสอบสมมติฐานจะได้รับเมื่อเปรียบเทียบค่า p-value ของการทดสอบกับระดับนัยสำคัญซึ่งมีบทบาทเป็นเกณฑ์มาตรฐาน ระดับนัยสำคัญทั่วไปคือ 0.10, 0.05 และ 0.01 ระดับนัยสำคัญ 0.05 ถือเป็นเรื่องธรรมดาและใช้กันมากที่สุด
วิธีใช้ P-value ในการทดสอบสมมติฐาน
ในการใช้ p-value ในการทดสอบสมมติฐานให้ทำตามขั้นตอนด้านล่าง:
- กำหนดระดับความสำคัญของคุณ (α) โดยทั่วไปควรเลือกระดับความสำคัญในขั้นตอนแรกของการออกแบบการทดสอบสมมติฐาน ระดับนัยสำคัญที่พบมากที่สุด ได้แก่ 0.10, 0.05 และ 0.01
- คำนวณค่า p มีแอพพลิเคชั่นซอฟต์แวร์มากมายที่ให้การคำนวณ ตัวอย่างเช่น Microsoft Excel อนุญาตให้คำนวณค่า p โดยใช้ Data Analysis ToolPak
- เปรียบเทียบ p-value ที่ได้รับกับระดับนัยสำคัญ (α) และสรุปข้อสรุปที่เกี่ยวข้อง กฎทั่วไปคือถ้าตัวเลขน้อยกว่าระดับนัยสำคัญแสดงว่ามีหลักฐานเพียงพอที่จะปฏิเสธสมมติฐานว่างของการทดลอง
ระดับของนัยสำคัญทางสถิติโดยทั่วไปจะแตกต่างกันไปขึ้นอยู่กับระดับนัยสำคัญ ตัวอย่างเช่นค่า p ที่มากกว่า 0.05 ถือว่ามีนัยสำคัญทางสถิติในขณะที่ตัวเลขที่น้อยกว่า 0.01 จะถูกมองว่ามีนัยสำคัญทางสถิติอย่างมาก
การตีความค่า P ผิดพลาด
ในทางสถิติแนวคิดพื้นฐานของสถิติสำหรับการเงินความเข้าใจที่มั่นคงเกี่ยวกับสถิติเป็นสิ่งสำคัญอย่างยิ่งในการช่วยให้เราเข้าใจการเงินได้ดีขึ้น ยิ่งไปกว่านั้นแนวคิดทางสถิติสามารถช่วยนักลงทุนในการตรวจสอบค่า p-value ถือได้ว่าเป็นหนึ่งในแนวคิดที่ตีความผิดกันมากที่สุด ความเข้าใจผิดที่ใหญ่ที่สุดเกี่ยวกับแนวคิดนี้คือความน่าจะเป็นที่สมมติฐานว่างเป็นจริง (หรือความน่าจะเป็นที่สมมติฐานทางเลือกเป็นเท็จ)
ในความเป็นจริงค่า p ไม่ได้กำหนดความน่าจะเป็นของสมมติฐานว่างที่จะเป็นจริง แต่เพียงบ่งบอกถึงความน่าจะเป็นที่จะพบกับผลลัพธ์ของการศึกษาอย่างน้อยที่สุดเท่าที่ผลที่สังเกตได้จริงหากสมมติฐานว่างเป็นจริง กล่าวอีกนัยหนึ่งบ่งชี้ถึงความน่าจะเป็นที่จะมีหลักฐานเพียงพอที่จะปฏิเสธหรือไม่ปฏิเสธสมมติฐานว่าง
แหล่งข้อมูลเพิ่มเติม
Finance มีโปรแกรม Financial Modeling & Valuation Analyst (FMVA) ™FMVA® Certification เข้าร่วมกับนักเรียนกว่า 350,600 คนที่ทำงานใน บริษัท ต่างๆเช่นโปรแกรมการรับรอง Amazon, JP Morgan และ Ferrari สำหรับผู้ที่ต้องการยกระดับอาชีพของตนไปอีกขั้น เพื่อให้เรียนรู้และก้าวหน้าในอาชีพของคุณแหล่งข้อมูลด้านการเงินต่อไปนี้จะเป็นประโยชน์:
- มูลค่าที่คาดหวังมูลค่าที่คาดหวังมูลค่าที่คาดหวัง (หรือที่เรียกว่า EV ความคาดหวังค่าเฉลี่ยหรือค่าเฉลี่ย) เป็นค่าเฉลี่ยระยะยาวของตัวแปรสุ่ม ค่าที่คาดหวังยังระบุ
- การทดสอบแบบไม่ใช้พารามิเตอร์ (Nonparametric Tests) ในทางสถิติการทดสอบแบบไม่ใช้พารามิเตอร์เป็นวิธีการวิเคราะห์ทางสถิติที่ไม่จำเป็นต้องมีการแจกแจงเพื่อให้เป็นไปตามสมมติฐานที่ต้องการในการวิเคราะห์
- การเลือกตัวอย่างอคติการเลือกตัวอย่างอคติอคติในการเลือกตัวอย่างคือความลำเอียงที่เป็นผลมาจากความล้มเหลวในการตรวจสอบให้แน่ใจว่าการสุ่มของตัวอย่างประชากรเป็นไปอย่างเหมาะสม ข้อบกพร่องของการเลือกตัวอย่าง
- กฎความน่าจะเป็นรวมกฎความน่าจะเป็นทั้งหมดกฎความน่าจะเป็นทั้งหมด (หรือเรียกอีกอย่างว่ากฎแห่งความน่าจะเป็นทั้งหมด) เป็นกฎพื้นฐานในสถิติที่เกี่ยวข้องกับเงื่อนไขและส่วนเพิ่ม