Giá trị P là một phép đo thống kê giúp các nhà khoa học xác định xem giả thuyết của họ có đúng hay không. Giá trị P được sử dụng để xác định xem kết quả thí nghiệm của họ có nằm trong phạm vi giá trị bình thường đối với những thứ được nghiên cứu hay không. Thông thường, nếu giá trị P của tập dữ liệu giảm xuống dưới một giá trị xác định trước nhất định (ví dụ: 0,05), các nhà khoa học sẽ bác bỏ giả thuyết vô hiệu của thử nghiệm của họ - nói cách khác, họ sẽ loại trừ giả thuyết trong đó biến thử nghiệm có không có ảnh hưởng đáng kể đến kết quả. Ngày nay, giá trị p thường được tìm thấy trong các bảng tham chiếu bằng cách tính giá trị chi bình phương.
Bươc chân
Bước 1. Xác định kết quả mong đợi của thử nghiệm của bạn
Thông thường, khi các nhà khoa học tiến hành một thí nghiệm và kiểm tra kết quả, họ đã có ý tưởng về kết quả bình thường hoặc bình thường từ trước. Điều này có thể dựa trên kết quả của các thí nghiệm trước đó, bộ dữ liệu quan sát đáng tin cậy, tài liệu khoa học và / hoặc các nguồn khác. Đối với thử nghiệm của bạn, hãy xác định kết quả mong đợi của bạn và viết nó ra dưới dạng một con số.
Ví dụ: Giả sử một nghiên cứu trước đây cho thấy rằng, ở cấp quốc gia, vé quá tốc độ được cấp cho xe ô tô màu đỏ thường xuyên hơn xe ô tô màu xanh. Giả sử kết quả trung bình ở cấp quốc gia cho thấy tỷ lệ 2: 1 với tỷ lệ ô tô màu đỏ nhiều hơn. Chúng tôi muốn tìm hiểu xem cảnh sát trong thành phố của chúng tôi cũng có xu hướng tương tự hay không bằng cách phân tích vé chạy quá tốc độ do cảnh sát thành phố của chúng tôi cấp. Nếu chúng tôi lấy một mẫu ngẫu nhiên gồm 150 vé chạy quá tốc độ cho cả ô tô màu đỏ và màu xanh lam trong thành phố của chúng tôi, chúng tôi sẽ mong đợi 100 cho chiếc xe màu đỏ và 50 đối với xe lam nếu đơn vị công an ở thành phố chúng tôi phạt vé theo đối chiếu ở cấp quốc gia.
Bước 2. Xác định các quan sát thực nghiệm của bạn
Bây giờ bạn đã xác định giá trị mong đợi của mình, bạn có thể chạy thử nghiệm của mình và tìm giá trị thực (hoặc quan sát). Một lần nữa, hãy ghi lại kết quả dưới dạng một số. Nếu chúng ta thao túng một số điều kiện thực nghiệm và kết quả quan sát được khác với kết quả mong đợi, thì có hai khả năng tồn tại: hoặc điều này xảy ra do tình cờ, hoặc là do chúng ta thao túng các biến thực nghiệm đã gây ra sự khác biệt này. Mục đích của việc tìm giá trị p về cơ bản là để xác định xem kết quả quan sát có khác với kết quả mong đợi đến một điểm mà giả thuyết rỗng - giả thuyết không có mối quan hệ giữa biến thực nghiệm và kết quả quan sát - không thể bị bác bỏ.
Ví dụ: Giả sử, tại thành phố của chúng ta, chúng ta chọn ngẫu nhiên 150 vé quá tốc độ được tặng cho cả xe ô tô màu đỏ và màu xanh. Chúng tôi nhận được 90 một chiếc vé cho một chiếc ô tô màu đỏ và 60 cho chiếc xe màu xanh lam. Điều này khác với kết quả chúng tôi mong đợi, tức là 100 và 50. Thao tác thử nghiệm của chúng tôi (trong trường hợp này là thay đổi nguồn dữ liệu từ quốc gia sang địa phương) có gây ra bất kỳ thay đổi nào trong kết quả hay cảnh sát thành phố của chúng tôi có xu hướng giống cấp quốc gia và chúng tôi chỉ quan sát thấy sự trùng hợp? Giá trị p sẽ giúp chúng ta xác định nó.
Bước 3. Xác định bậc tự do cho thí nghiệm của bạn
Bậc tự do là thước đo lượng biến thiên trong nghiên cứu, được xác định bởi số loại bạn kiểm tra. Phương trình cho bậc tự do là Bậc tự do = n-1, trong đó n là số danh mục hoặc biến được phân tích trong thử nghiệm của bạn.
-
Ví dụ: Thí nghiệm của chúng tôi có hai loại kết quả: một loại cho ô tô màu đỏ và một loại cho ô tô màu xanh lam. Do đó, trong thử nghiệm của chúng tôi, chúng tôi có 2-1 = 1 bậc tự do.
Nếu chúng ta so sánh ô tô màu đỏ, xanh lam và xanh lục, chúng ta sẽ có
Bước 2. bậc tự do, v.v.
Bước 4. So sánh kết quả mong đợi với kết quả quan sát được bằng cách sử dụng chi bình phương
Chi bình phương (viết x2) là một giá trị số đo lường sự khác biệt giữa giá trị kỳ vọng và giá trị quan sát được từ thử nghiệm. Phương trình cho chi bình phương là: NS2 = ((o-e)2/ e), trong đó o là giá trị quan sát và e là giá trị kỳ vọng. Cộng các kết quả của phương trình này cho tất cả các kết quả có thể có (xem bên dưới).
- Lưu ý rằng phương trình này sử dụng toán tử (sigma). Nói cách khác, bạn phải tính toán ((| o-e | -.05)2/ e) cho mỗi kết quả có thể xảy ra, sau đó cộng các kết quả để có được giá trị chi bình phương. Trong ví dụ của chúng tôi, chúng tôi có hai kết quả - một chiếc xe nhận được một vé màu đỏ hoặc màu xanh. Do đó, chúng ta có thể tính toán ((o-e)2/ e) hai lần - một lần cho xe đỏ và một lần cho xe xanh.
-
Ví dụ: Hãy kết hợp các giá trị mong đợi và các quan sát của chúng ta vào phương trình x2 = ((o-e)2/ e). Hãy nhớ rằng, vì toán tử sigma, chúng ta phải tính ((o-e)2/ e) hai lần - một lần cho xe đỏ và một lần cho xe xanh. Các bước xử lý như sau:
- NS2 = ((90-100)2/100) + (60-50)2/50)
- NS2 = ((-10)2/100) + (10)2/50)
- NS2 = (100/100) + (100/50) = 1 + 2 = 3.
Bước 5. Chọn mức ý nghĩa
Bây giờ chúng ta đã biết bậc tự do của bộ thí nghiệm và giá trị chi bình phương, chỉ còn một điều cuối cùng chúng ta cần làm trước khi có thể tìm ra giá trị p của mình - chúng ta cần xác định mức ý nghĩa. Về cơ bản, mức ý nghĩa là phép đo mức độ chắc chắn của chúng ta về kết quả của mình - mức ý nghĩa thấp tương ứng với xác suất thấp rằng kết quả của một thử nghiệm là do ngẫu nhiên và ngược lại. Mức ý nghĩa được viết dưới dạng số thập phân (ví dụ 0,01), tương ứng với phần trăm cơ hội mà kết quả của thử nghiệm là do ngẫu nhiên (trong trường hợp này là 1%).
- Theo quy ước, các nhà khoa học thường đặt giá trị ý nghĩa cho các thí nghiệm của họ là 0,05 hoặc 5 phần trăm. Điều này có nghĩa là các kết quả thực nghiệm tương ứng với mức ý nghĩa này có ít nhất 5% cơ hội trùng hợp. Nói cách khác, có 95% khả năng kết quả là do nhà khoa học thao túng các biến thực nghiệm chứ không phải do ngẫu nhiên. Đối với hầu hết các thí nghiệm, độ tin cậy 95% về mối quan hệ giữa hai biến, được coi là đã thành công trong việc chứng minh mối quan hệ giữa hai biến.
- Ví dụ: Đối với ví dụ về ô tô màu đỏ và xanh lam của chúng tôi, hãy tuân theo thỏa thuận khoa học và xác định mức ý nghĩa của chúng tôi về 0, 05.
Bước 6. Sử dụng bảng phân phối chi bình phương để ước tính giá trị p của bạn
Các nhà khoa học và nhà thống kê sử dụng các bảng giá trị lớn để tính giá trị p cho các thí nghiệm của họ. Bảng này thường được viết với trục tung ở bên trái hiển thị bậc tự do và trục hoành ở trên cùng hiển thị các giá trị p. Sử dụng bảng này trước tiên bằng cách tìm bậc tự do của bạn, sau đó đọc các hàng từ trái sang phải cho đến khi bạn tìm thấy giá trị đầu tiên lớn hơn giá trị chi bình phương của bạn. Nhìn vào giá trị p ở đầu cột - giá trị p của bạn nằm giữa giá trị này và giá trị lớn nhất tiếp theo (giá trị bên phải nằm ở bên trái của nó).
- Bảng phân bố Chi bình phương có sẵn từ nhiều nguồn khác nhau - chúng có thể dễ dàng tìm thấy trên mạng hoặc trong sách giáo khoa khoa học hoặc thống kê. Nếu bạn chưa có, hãy sử dụng bảng hiển thị trong ảnh ở trên hoặc một bảng trực tuyến miễn phí, chẳng hạn như bảng được cung cấp bởi medcalc.org tại đây.
-
Ví dụ: Chi bình phương của chúng ta là 3. Vì vậy, hãy sử dụng bảng phân phối chi bình phương trong hình trên để tìm giá trị p gần đúng. Vì chúng tôi biết rằng thử nghiệm của chúng tôi chỉ có
Bước 1. bậc tự do, chúng ta sẽ bắt đầu từ bảng trên cùng. Chúng tôi đi từ trái sang phải trong hàng này cho đến khi chúng tôi tìm thấy giá trị cao hơn
Bước 3. - giá trị chi bình phương của chúng tôi. Giá trị đầu tiên chúng tôi tìm thấy là 3,84. Nhìn lên cột này, chúng tôi thấy rằng giá trị p tương ứng là 0,05. Điều này có nghĩa là giá trị p của chúng tôi là từ 0,05 đến 0,1 (giá trị p lớn nhất tiếp theo trong bảng).
Bước 7. Quyết định bác bỏ hay bảo vệ giả thuyết vô hiệu của bạn
Vì bạn đã tìm thấy giá trị p gần đúng cho thử nghiệm của mình, bạn có thể quyết định có bác bỏ giả thuyết vô hiệu của thử nghiệm hay không (xin nhắc lại, đây là giả thuyết mà biến thử nghiệm bạn đã thao tác không ảnh hưởng đến kết quả bạn quan sát được). Nếu giá trị p của bạn thấp hơn giá trị ý nghĩa của bạn, xin chúc mừng - bạn đã chứng minh rằng có khả năng cao là có mối quan hệ giữa các biến bạn đã thao tác và các quan sát của bạn. Nếu giá trị p của bạn lớn hơn giá trị ý nghĩa, bạn không thể nói chắc chắn rằng kết quả bạn đang quan sát là kết quả của sự trùng hợp ngẫu nhiên hoặc thao túng thử nghiệm của bạn.
- Ví dụ: Giá trị p của chúng tôi nằm trong khoảng 0,05 đến 0,1. Nghĩa là, nó không nhỏ hơn 0,05, vì vậy, thật không may, chúng tôi không thể bác bỏ giả thuyết vô hiệu của chúng tôi. Điều này có nghĩa là chúng tôi không đạt đến giới hạn tin cậy tối thiểu 95% mà chúng tôi đã đặt ra để có thể nói rằng cảnh sát ở thành phố của chúng tôi đưa ra các phiếu vé cho các xe ô tô màu đỏ và màu xanh với một tỷ lệ khá khác biệt so với tỷ lệ trung bình của cả nước.
- Nói cách khác, có 5-10% khả năng những quan sát của chúng tôi không phải là kết quả của sự thay đổi vị trí (phân tích thành phố của chúng tôi, chứ không phải toàn bộ), mà là sự trùng hợp. Vì chúng tôi đang tìm kiếm xác suất dưới 5%, chúng tôi không thể nói rằng chúng tôi bị thuyết phục rằng cảnh sát ở thành phố của chúng tôi có xu hướng phạt xe ô tô màu đỏ - có một khả năng nhỏ nhưng rất khác về mặt thống kê rằng họ không có xu hướng này.
Lời khuyên
- Một máy tính khoa học sẽ làm cho các phép tính dễ dàng hơn nhiều. Bạn cũng có thể tìm kiếm máy tính trực tuyến.
- Bạn có thể tính toán giá trị p bằng một số chương trình máy tính, bao gồm phần mềm bảng tính thường được sử dụng và phần mềm thống kê chuyên dụng hơn.
