ο Π-Η αξία είναι μια από τις πιο σημαντικές έννοιες στη στατιστική. Όταν εργάζονται σε ερευνητικά έργα, αυτά είναι τα δεδομένα εξόδου στα οποία βασίζονται συχνότερα οι επιστήμονες.
Πώς όμως υπολογίζετε το Π-αξία στα Υπολογιστικά φύλλα Google;
Αυτό το άρθρο θα σας δείξει όλα όσα πρέπει να γνωρίζετε για το θέμα. Μέχρι το τέλος του άρθρου, θα είστε σε θέση να υπολογίσετε εύκολα το Π-εκτιμήστε και ελέγξτε τα αποτελέσματά σας.
Τι είναι το Π-Αξία?
ο Π-Η τιμή χρησιμοποιείται για να προσδιοριστεί εάν ορισμένες υποθέσεις είναι σωστές ή όχι. Βασικά, οι επιστήμονες θα επιλέξουν μια τιμή ή ένα εύρος τιμών, που εκφράζουν το κανονικό, αναμενόμενο αποτέλεσμα όταν τα δεδομένα δεν συσχετίζονται. Μετά τον υπολογισμό του Π-αξία των συνόλων δεδομένων τους, θα γνωρίζουν πόσο κοντά βρίσκονται σε αυτά τα αποτελέσματα.
Η σταθερά που αντιπροσωπεύει τα αναμενόμενα αποτελέσματα ονομάζεται επίπεδο σημαντικότητας. Αν και μπορείτε να επιλέξετε αυτόν τον αριθμό με βάση προηγούμενες έρευνες, συνήθως ορίζεται στο 0,05.
Εάν το υπολογισμένο Π-Η τιμή είναι πολύ χαμηλότερη από το επίπεδο σημαντικότητας, τότε τα αναμενόμενα αποτελέσματα είναι στατιστικά σημαντικά. Όσο πιο χαμηλά είναι Π-τιμή, τόσο πιο πιθανό είναι τα δεδομένα σας να εκφράζουν κάποιου είδους συσχέτιση.
Πώς Υπολογίζετε το Π-Τιμή χειροκίνητα;
Αυτά είναι τα βήματα για τον υπολογισμό του Π-αξία σε χαρτί:
- Προσδιορίστε τα αναμενόμενα αποτελέσματα για το πείραμά σας.
- Υπολογίστε και προσδιορίστε τα παρατηρούμενα αποτελέσματα για το πείραμά σας.
- Προσδιορίστε τον βαθμό ελευθερίας – πόση απόκλιση από τα σεβαστά αποτελέσματα θεωρείται σημαντική;
- Συγκρίνετε τα πρώτα, αναμενόμενα αποτελέσματα με τα αποτελέσματα του παρατηρητή με ένα χι-τετράγωνο.
- Επιλέξτε το επίπεδο σημαντικότητας (εδώ χρησιμοποιείται συνήθως το 0,05.)
- Κατά προσέγγιση το δικό σας Π-τιμή χρησιμοποιώντας τον πίνακα κατανομής chi-square.
- Απορρίψτε ή διατηρήστε την αρχική σας μηδενική υπόθεση.
Όπως μπορείτε να δείτε, υπάρχουν πολλά που πρέπει να υπολογίσετε και να λάβετε υπόψη όταν το κάνετε αυτό με στυλό και χαρτί. Θα πρέπει να ελέγξετε εάν έχετε ακολουθήσει τους σωστούς τύπους για όλα τα βήματα, καθώς και να ελέγξετε ξανά εάν έχετε τις σωστές τιμές.
Για να αποφύγετε τον κίνδυνο να καταλήξετε με ψευδή αποτελέσματα λόγω κακών υπολογισμών, είναι καλύτερο να χρησιμοποιείτε εργαλεία όπως τα Φύλλα Google. Δεδομένου ότι το Π-Η τιμή είναι τόσο σημαντική, που οι προγραμματιστές έχουν συμπεριλάβει μια συνάρτηση που θα την υπολογίζει άμεσα. Η παρακάτω ενότητα θα σας δείξει πώς να το κάνετε.
Υπολογίζοντας το Π-Τιμή στα Φύλλα Google
Ο καλύτερος τρόπος για να το εξηγήσετε αυτό θα ήταν μέσω ενός παραδείγματος που μπορείτε να ακολουθήσετε. Εάν έχετε ήδη έναν υπάρχοντα πίνακα, απλώς εφαρμόστε όσα μαθαίνετε από το παρακάτω σεμινάριο.
Θα ξεκινήσουμε κάνοντας δύο σετ δεδομένων. Μετά από αυτό, θα συγκρίνουμε τα δημιουργημένα σύνολα δεδομένων για να δούμε αν υπάρχει στατιστική σημασία μεταξύ τους.
Ας πούμε ότι πρέπει να εξετάσουμε δεδομένα για έναν personal trainer. Ο personal trainer μάς έδωσε τους αριθμούς των πελατών τους σχετικά με την πρόοδό τους σε pushup και pull-up, και τους έχουμε καταχωρίσει στο Υπολογιστικό φύλλο Google.
Ο πίνακας είναι πολύ βασικός αλλά θα χρησιμεύσει για τους σκοπούς αυτού του άρθρου.
Για να συγκρίνουμε αυτά τα δύο διαφορετικά σύνολα δεδομένων, θα χρειαστεί να χρησιμοποιήσουμε τη συνάρτηση T-TEST του Υπολογιστικού φύλλου Google.
Η σύνταξη αυτής της συνάρτησης μοιάζει με αυτό: TTEST(array1, array2, tails, type) αλλά μπορείτε επίσης να χρησιμοποιήσετε τη σύνταξη T.TEST(array1, array2, tails, type) – και οι δύο αναφέρονται στην ίδια συνάρτηση.
Το Array1 είναι το πρώτο σύνολο δεδομένων. Στην περίπτωσή μας, αυτή θα ήταν ολόκληρη η στήλη Pushups (εκτός από το όνομα της στήλης, φυσικά).
Το Array2 είναι το δεύτερο σύνολο δεδομένων, το οποίο είναι τα πάντα κάτω από τη στήλη Pull-ups.
Οι ουρές αντιπροσωπεύουν τον αριθμό των ουρών που χρησιμοποιούνται για τη διανομή. Έχετε μόνο δύο επιλογές εδώ:
1 – διανομή με μονή ουρά
2 – διανομή με δύο ουρές
Ο τύπος αντιπροσωπεύει μια ακέραια τιμή που μπορεί να είναι 1 (ζευγοποιημένο T-TEST), 2 (Δοκιμή T ίσης διακύμανσης δύο δειγμάτων) ή 3 (T-Test άνισης διακύμανσης δύο δειγμάτων).
Θα ακολουθήσουμε αυτά τα βήματα για να επεξεργαστούμε το παράδειγμα p-test:
- Ονομάστε μια στήλη της επιλογής μας TTEST και εμφανίστε τα αποτελέσματα αυτής της συνάρτησης στη στήλη δίπλα της.
- Κάντε κλικ στην κενή στήλη όπου θέλετε Π-τιμές που θα εμφανιστούν και εισαγάγετε τον τύπο που χρειάζεστε.
- Εισαγάγετε τον ακόλουθο τύπο: =TTEST(A2:A7,B2:B7,1,3). Όπως μπορείτε να δείτε, το A2:A7 σημαίνει το σημείο έναρξης και λήξης της πρώτης στήλης μας. Μπορείτε απλώς να κρατήσετε τον κέρσορα στην πρώτη θέση (A2) και να τον σύρετε στο κάτω μέρος της στήλης σας και τα Υπολογιστικά φύλλα Google θα ενημερώσουν αυτόματα τον τύπο σας.
- Προσθέστε ένα κόμμα στον τύπο σας και κάντε το ίδιο και για τη δεύτερη στήλη.
- Συμπληρώστε τις ουρές και πληκτρολογήστε ορίσματα (χωρισμένα με κόμμα) και πατήστε Enter.
Το αποτέλεσμά σας θα πρέπει να εμφανίζεται στη στήλη όπου έχετε πληκτρολογήσει τον τύπο.
Συνήθη μηνύματα λάθους
Εάν κάνατε λάθος πληκτρολογώντας τον τύπο TTEST, πιθανότατα έχετε δει ένα από αυτά τα μηνύματα σφάλματος:
- #N/A – εμφανίζεται εάν τα δύο σύνολα δεδομένων σας έχουν διαφορετικά μήκη.
- #NUM – εμφανίζεται εάν το όρισμα ουράς που έχει εισαχθεί δεν είναι ίσο με 1 ή 2. Μπορεί επίσης να εμφανιστεί εάν το όρισμα τύπου δεν είναι ίσο με 1, 2 ή 3.
- #ΑΞΙΑ! – εμφανίζεται εάν έχετε εισαγάγει μη αριθμητικές τιμές για ουρές ή ορίσματα τύπου.
Ο υπολογισμός των δεδομένων δεν ήταν ποτέ ευκολότερος με τα Υπολογιστικά φύλλα Google
Ας ελπίσουμε ότι τώρα έχετε προσθέσει μια άλλη λειτουργία Υπολογιστικών φύλλων Google στο οπλοστάσιό σας. Η εκμάθηση σχετικά με τις δυνατότητες και τις δυνατότητες αυτού του διαδικτυακού εργαλείου θα σας κάνει καλύτερους στην ανάλυση δεδομένων, ακόμα κι αν δεν είστε στατιστικολόγος.
Έχετε κάποια εναλλακτική μέθοδο που χρησιμοποιείτε για τον υπολογισμό του Π-αξία? Μη διστάσετε να μας πείτε τα πάντα για αυτό στα σχόλια παρακάτω.