Obsah
- Chyba typu I: Chybné odmietnutie nulovej hypotézy
- Chyba typu II: Chybné odmietnutie alternatívnej hypotézy
- Určenie úrovne významnosti
- Výber testu významnosti
Štatistický význam je objektívnym ukazovateľom toho, či sú výsledky štúdie matematicky „skutočné“ a štatisticky obhájiteľné, nie iba náhodný výskyt. Bežne používané testy významnosti hľadajú rozdiely v prostriedkoch súborov údajov alebo rozdiely v odchýlkach súborov údajov. Typ použitého testu závisí od typu analyzovaných údajov. Je na výskumných pracovníkoch, aby určili, aké dôležité požadujú, aby výsledky boli - inými slovami, aké veľké riziko sú ochotní podstúpiť zlé. Výskumníci sú zvyčajne ochotní akceptovať mieru rizika 5 percent.
Chyba typu I: Chybné odmietnutie nulovej hypotézy
••• Scott Rothstein / iStock / Getty ImagesUskutočňujú sa experimenty na overenie konkrétnych hypotéz alebo experimentálnych otázok s očakávaným výsledkom. Nulová hypotéza je taká, ktorá nezistí žiadny rozdiel medzi dvoma porovnávanými súbormi údajov. Napríklad v lekárskej štúdii môže byť nulovou hypotézou skutočnosť, že neexistuje žiadny rozdiel v zlepšení medzi pacientmi, ktorí dostávajú študovaný liek, a pacientmi, ktorí dostávajú placebo. Ak výskumník mylne odmieta túto nulovú hypotézu, keď je to v skutočnosti pravda, inými slovami, ak „zistia“ rozdiel medzi týmito dvoma súbormi pacientov, keď v skutočnosti nebol žiadny rozdiel, dopustili sa chyby typu I.Vedci vopred určia, do akej miery sa dopustia chyby typu I, ktorú sú ochotní prijať. Toto riziko je založené na maximálnej hodnote p, ktorú akceptujú pred odmietnutím nulovej hypotézy, a nazýva sa alfa.
Chyba typu II: Chybné odmietnutie alternatívnej hypotézy
Alternatívna hypotéza je taká, ktorá zistí rozdiel medzi dvoma porovnávanými súbormi údajov. V prípade lekárskeho pokusu by ste očakávali rôzne úrovne zlepšenia u pacientov, ktorí dostávajú študovaný liek a u pacientov, ktorí dostávajú placebo. Ak vedci neodmietnu nulovú hypotézu, keď by mali, inými slovami, ak „zistia“ žiadny rozdiel medzi dvoma súbormi pacientov, keď skutočne došlo k rozdielu, dopustili sa chyby typu II.
Určenie úrovne významnosti
Keď vedci vykonávajú test štatistickej významnosti a výsledná p-hodnota je nižšia ako úroveň rizika považovaná za prijateľnú, výsledok testu sa považuje za štatisticky významný. V tomto prípade je neplatná hypotéza - hypotéza, že neexistuje rozdiel medzi týmito dvoma skupinami - zamietnutá. Inými slovami, výsledky naznačujú, že existuje rozdiel v zlepšení medzi pacientmi, ktorí dostávajú študovaný liek, a pacientmi, ktorí dostávajú placebo.
Výber testu významnosti
Na výber je niekoľko rôznych štatistických testov. Štandardný t-test porovnáva priemery z dvoch súborov údajov, ako sú údaje o našom študovanom lieku a údaje o placebe. Párový t-test sa používa na zisťovanie rozdielov v rovnakom súbore údajov, ako napríklad štúdia pred a po štúdii. Jednosmerná analýza variácie (ANOVA) môže porovnávať priemery z troch alebo viacerých súborov údajov a dvojsmerná ANOVA porovnáva prostriedky z dvoch alebo viacerých súborov údajov v reakcii na dve rôzne nezávislé premenné, ako sú rôzne sily študovať liek. Lineárna regresia porovnáva priemery súborov údajov pozdĺž gradientu ošetrenia alebo času. Výsledkom každého štatistického testu budú miery významnosti (alfa), ktoré sa môžu použiť na interpretáciu výsledkov testu.