Да кто такой этот ваш p-value?🌟
Наткнулась на статью в Википедии с классным названием: Misuse of p-values. Видать, наболело у кого-то😀 То есть с этим термином повсюду столько путаницы, что даже есть статья про неправильные использования. Давайте посмотрим, что там:
🟡 p-value — это не вероятность того, что нулевая гипотеза верна, и не вероятность того, что альтернативная гипотеза неверна. И даже не вероятность ошибки первого рода.
🟣 p-value — это не вероятность того, что наблюдаемый эффект возник исключительно из-за случайности.
🟢 популярное значение p-value = alpha = 0.05 — это всего лишь условная договорённость, можно выбрать другое.
Более того, нет оснований утверждать, что с научной точки зрения результаты, оказавшиеся по разные стороны выбранного уровня (условно, p-value = 0.049 и p-value = 0.051), действительно можно считать качественно различными.
🔵 p-value не показывает ни размер, ни значимость наблюдаемого эффекта. Малое значение p-value может быть получено для эффекта, который на самом деле не значим.
Чем больше размер выборки, тем меньше минимальный эффект, необходимый для получения статзначимого значения.
А что это тогда?
В стат. тестах для проверки нулевой гипотезы p-value — это вероятность получить такое же или более экстремальное (то есть сильно отклоняющееся от ожидаемого) значение статистики при условии, что нулевая гипотеза верна.
Малое значение p-value (меньше уровня значимости) означает, что такой экстремальный результат маловероятен, если нулевая гипотеза действительно верна, поэтому её нужно отклонить (по построению эксперимента).
Иногда бывает следующий вопрос «что такое статистика?» — опять же, по официальному определению, это измеримая числовая функция от выборки, не зависящая от неизвестных параметров распределения элементов выборки. По сути это чаще всего выборочное среднее или медиана. Этого должно хватить.
Перешли другу, у которого скоро собеседование🤵
И давайте посмотрим, сколько нас, по реакциям:
❤️ — если было полезно
🤓 — если и так правильно юзал
#найм_и_собесы #хардов_пост
@analytess 👩
Наткнулась на статью в Википедии с классным названием: Misuse of p-values. Видать, наболело у кого-то😀 То есть с этим термином повсюду столько путаницы, что даже есть статья про неправильные использования. Давайте посмотрим, что там:
🟡 p-value — это не вероятность того, что нулевая гипотеза верна, и не вероятность того, что альтернативная гипотеза неверна. И даже не вероятность ошибки первого рода.
🟣 p-value — это не вероятность того, что наблюдаемый эффект возник исключительно из-за случайности.
🟢 популярное значение p-value = alpha = 0.05 — это всего лишь условная договорённость, можно выбрать другое.
Более того, нет оснований утверждать, что с научной точки зрения результаты, оказавшиеся по разные стороны выбранного уровня (условно, p-value = 0.049 и p-value = 0.051), действительно можно считать качественно различными.
🔵 p-value не показывает ни размер, ни значимость наблюдаемого эффекта. Малое значение p-value может быть получено для эффекта, который на самом деле не значим.
Чем больше размер выборки, тем меньше минимальный эффект, необходимый для получения статзначимого значения.
А что это тогда?
В стат. тестах для проверки нулевой гипотезы p-value — это вероятность получить такое же или более экстремальное (то есть сильно отклоняющееся от ожидаемого) значение статистики при условии, что нулевая гипотеза верна.
Малое значение p-value (меньше уровня значимости) означает, что такой экстремальный результат маловероятен, если нулевая гипотеза действительно верна, поэтому её нужно отклонить (по построению эксперимента).
Иногда бывает следующий вопрос «что такое статистика?» — опять же, по официальному определению, это измеримая числовая функция от выборки, не зависящая от неизвестных параметров распределения элементов выборки. По сути это чаще всего выборочное среднее или медиана. Этого должно хватить.
Перешли другу, у которого скоро собеседование🤵
И давайте посмотрим, сколько нас, по реакциям:
❤️ — если было полезно
🤓 — если и так правильно юзал
#найм_и_собесы #хардов_пост
@analytess 👩