P-value - История изменений

Patarakin в 13:33, 17 декабря 2025

2025-12-17T13:33:11Z

← Предыдущая версия		Версия от 16:33, 17 декабря 2025
Строка 30:		Строка 30:
	summary(model_1)		summary(model_1)
	</syntaxhighlight>		</syntaxhighlight>

			[[P-value]] как площадь: В [[StatKey]] [[p-value]] не рассчитывается по формуле интеграла, а вычисляется эмпирически. Программа генерирует тысячи случайных выборок (нулевое распределение) и строит из них точечный график.

Patarakin в 12:20, 17 декабря 2025

2025-12-17T12:20:55Z

← Предыдущая версия		Версия от 15:20, 17 декабря 2025
Строка 23:		Строка 23:

	<math>p\text{-value} = P(\|T\| > \|t_{obs}\|) = 2 \cdot (1 - F_{t}(\|t_{obs}\|))</math>		<math>p\text{-value} = P(\|T\| > \|t_{obs}\|) = 2 \cdot (1 - F_{t}(\|t_{obs}\|))</math>

			В среде статистических вычислений [[R]] p-value рассчитывается автоматически при вызове функции summary() для объекта модели. [[Регрессионная модель]]:

			<syntaxhighlight lang="R" >
			model_1 <- lm(LCI ~ alpha + gamma + IsLogistic + StartPercent, data = data)
			summary(model_1)
			</syntaxhighlight>

Patarakin в 12:17, 17 декабря 2025

2025-12-17T12:17:58Z

← Предыдущая версия		Версия от 15:17, 17 декабря 2025
Строка 21:		Строка 21:

	P-value — это вероятность того, что случайная величина <math>T</math>, имеющая распределение Стьюдента, примет значение по модулю большее, чем наблюдаемое значение статистики <math>\|t_{obs}\|</math>:		P-value — это вероятность того, что случайная величина <math>T</math>, имеющая распределение Стьюдента, примет значение по модулю большее, чем наблюдаемое значение статистики <math>\|t_{obs}\|</math>:

			<math>p\text{-value} = P(\|T\| > \|t_{obs}\|) = 2 \cdot (1 - F_{t}(\|t_{obs}\|))</math>

Patarakin в 12:17, 17 декабря 2025

2025-12-17T12:17:35Z

← Предыдущая версия		Версия от 15:17, 17 декабря 2025
Строка 16:		Строка 16:
	* <math>H_0: \beta_j = 0</math>		* <math>H_0: \beta_j = 0</math>
	* <math>H_1: \beta_j \neq 0</math>		* <math>H_1: \beta_j \neq 0</math>

			[[T-статистика]] рассчитывается как отношение оценки коэффициента к его стандартной ошибке:
			<math>t = \frac{\hat{\beta}_j}{SE(\hat{\beta}_j)}</math>

			P-value — это вероятность того, что случайная величина <math>T</math>, имеющая распределение Стьюдента, примет значение по модулю большее, чем наблюдаемое значение статистики <math>\|t_{obs}\|</math>:

Patarakin в 12:09, 17 декабря 2025

2025-12-17T12:09:00Z

← Предыдущая версия		Версия от 15:09, 17 декабря 2025
Строка 2:		Строка 2:
	\|Description=P-value (P-значение, p-уровень значимости) — это вероятность получить для данной вероятностной модели распределения значений случайной величины такое же или более экстремальное значение статистики (по сравнению с наблюдаемым), при условии, что нулевая гипотеза верна. В контексте регрессионного анализа и эконометрики p-value используется для оценки статистической значимости коэффициентов регрессии. Оно помогает ответить на вопрос: «Действительно ли переменная-предиктор оказывает влияние на зависимую переменную, или наблюдаемая связь является результатом случайности?»		\|Description=P-value (P-значение, p-уровень значимости) — это вероятность получить для данной вероятностной модели распределения значений случайной величины такое же или более экстремальное значение статистики (по сравнению с наблюдаемым), при условии, что нулевая гипотеза верна. В контексте регрессионного анализа и эконометрики p-value используется для оценки статистической значимости коэффициентов регрессии. Оно помогает ответить на вопрос: «Действительно ли переменная-предиктор оказывает влияние на зависимую переменную, или наблюдаемая связь является результатом случайности?»
	\|Field_of_knowledge=Статистика		\|Field_of_knowledge=Статистика
	\|Environment=NetLogo, R, CODAP, Регрессионная модель		\|Environment=NetLogo, R, CODAP, Регрессионная модель, Language Change
	}}		}}
	В частотном подходе к вероятности p-value определяет наименьший уровень значимости, при котором можно отвергнуть нулевую гипотезу (<math>H_0</math>).		В частотном подходе к вероятности p-value определяет наименьший уровень значимости, при котором можно отвергнуть нулевую гипотезу (<math>H_0</math>).

Patarakin в 12:07, 17 декабря 2025

2025-12-17T12:07:38Z

← Предыдущая версия		Версия от 15:07, 17 декабря 2025
Строка 12:		Строка 12:
	# Если <math>p\text{-value} < \alpha</math>: Отвергаем <math>H_0</math>. Результат считается статистически значимым.		# Если <math>p\text{-value} < \alpha</math>: Отвергаем <math>H_0</math>. Результат считается статистически значимым.
	# Если <math>p\text{-value} \geq \alpha</math>: Нет оснований отвергнуть <math>H_0</math>. Результат не является статистически значимым.		# Если <math>p\text{-value} \geq \alpha</math>: Нет оснований отвергнуть <math>H_0</math>. Результат не является статистически значимым.

			В контексте проверки гипотез для коэффициентов регрессии, мы часто используем t-статистику. Для оценки значимости коэффициента <math>\beta_j</math> гипотезы формулируются так:
			* <math>H_0: \beta_j = 0</math>
			* <math>H_1: \beta_j \neq 0</math>

Patarakin в 12:06, 17 декабря 2025

2025-12-17T12:06:12Z

← Предыдущая версия		Версия от 15:06, 17 декабря 2025
Строка 10:		Строка 10:
	Для интерпретации часто используют пороговый уровень значимости <math>\alpha</math> (обычно 0.05, 0.01 или 0.1):		Для интерпретации часто используют пороговый уровень значимости <math>\alpha</math> (обычно 0.05, 0.01 или 0.1):

	Если <math>p\text{-value} < \alpha</math>: Отвергаем <math>H_0</math>. Результат считается статистически значимым.		# Если <math>p\text{-value} < \alpha</math>: Отвергаем <math>H_0</math>. Результат считается статистически значимым.
			# Если <math>p\text{-value} \geq \alpha</math>: Нет оснований отвергнуть <math>H_0</math>. Результат не является статистически значимым.
	Если <math>p\text{-value} \geq \alpha</math>: Нет оснований отвергнуть <math>H_0</math>. Результат не является статистически значимым.

Patarakin в 12:02, 17 декабря 2025

2025-12-17T12:02:57Z

← Предыдущая версия		Версия от 15:02, 17 декабря 2025
Строка 2:		Строка 2:
	\|Description=P-value (P-значение, p-уровень значимости) — это вероятность получить для данной вероятностной модели распределения значений случайной величины такое же или более экстремальное значение статистики (по сравнению с наблюдаемым), при условии, что нулевая гипотеза верна. В контексте регрессионного анализа и эконометрики p-value используется для оценки статистической значимости коэффициентов регрессии. Оно помогает ответить на вопрос: «Действительно ли переменная-предиктор оказывает влияние на зависимую переменную, или наблюдаемая связь является результатом случайности?»		\|Description=P-value (P-значение, p-уровень значимости) — это вероятность получить для данной вероятностной модели распределения значений случайной величины такое же или более экстремальное значение статистики (по сравнению с наблюдаемым), при условии, что нулевая гипотеза верна. В контексте регрессионного анализа и эконометрики p-value используется для оценки статистической значимости коэффициентов регрессии. Оно помогает ответить на вопрос: «Действительно ли переменная-предиктор оказывает влияние на зависимую переменную, или наблюдаемая связь является результатом случайности?»
	\|Field_of_knowledge=Статистика		\|Field_of_knowledge=Статистика
			\|Environment=NetLogo, R, CODAP, Регрессионная модель
	}}		}}
	В частотном подходе к вероятности p-value определяет наименьший уровень значимости, при котором можно отвергнуть нулевую гипотезу (<math>H_0</math>).		В частотном подходе к вероятности p-value определяет наименьший уровень значимости, при котором можно отвергнуть нулевую гипотезу (<math>H_0</math>).

Patarakin: Новая страница: «{{Понятие |Description=P-value (P-значение, p-уровень значимости) — это вероятность получить для данной вероятностной модели распределения значений случайной величины такое же или более экстремальное значение статистики (по сравнению с наблюдаемым), при условии...»

2025-12-17T12:00:33Z

Новая страница: «{{Понятие |Description=P-value (P-значение, p-уровень значимости) — это вероятность получить для данной вероятностной модели распределения значений случайной величины такое же или более экстремальное значение статистики (по сравнению с наблюдаемым), при условии...»

Новая страница

{{Понятие
|Description=P-value (P-значение, p-уровень значимости) — это вероятность получить для данной вероятностной модели распределения значений случайной величины такое же или более экстремальное значение статистики (по сравнению с наблюдаемым), при условии, что нулевая гипотеза верна. В контексте регрессионного анализа и эконометрики p-value используется для оценки статистической значимости коэффициентов регрессии. Оно помогает ответить на вопрос: «Действительно ли переменная-предиктор оказывает влияние на зависимую переменную, или наблюдаемая связь является результатом случайности?»
|Field_of_knowledge=Статистика
}}
В частотном подходе к вероятности p-value определяет наименьший уровень значимости, при котором можно отвергнуть нулевую гипотезу (<math>H_0</math>).
* <math>H_0</math> (Нулевая гипотеза): Обычно утверждает отсутствие эффекта (например, коэффициент регрессии равен нулю).
* <math>H_1</math> (Альтернативная гипотеза): Утверждает наличие эффекта.

Для интерпретации часто используют пороговый уровень значимости <math>\alpha</math> (обычно 0.05, 0.01 или 0.1):

Если <math>p\text{-value} < \alpha</math>: Отвергаем <math>H_0</math>. Результат считается статистически значимым.

Если <math>p\text{-value} \geq \alpha</math>: Нет оснований отвергнуть <math>H_0</math>. Результат не является статистически значимым.