檢定統計量與 p 值

Statistical Thinking in Python(第 2 部分)

Justin Bois

Lecturer at the California Institute of Technology

OH 與 PA 是否不同?

第 3 章圖 2.002

1 資料取自 Data.gov (https://www.data.gov/)
Statistical Thinking in Python(第 2 部分)

假設檢定

  • 在假設為真時,評估觀察到的資料是否合理
Statistical Thinking in Python(第 2 部分)

檢定統計量

  • 一個可由觀察資料與在虛無假設下模擬資料計算出的單一數值
  • 作為兩者比較的依據
Statistical Thinking in Python(第 2 部分)

置換複本(replicate)

np.mean(perm_sample_PA) - np.mean(perm_sample_OH)
1.122220149253728
np.mean(dem_share_PA) - np.mean(dem_share_OH) # orig. data
1.1582360922659518
Statistical Thinking in Python(第 2 部分)

虛無假設下的平均得票差

第 3 章圖 2.014

1 資料取自 Data.gov (https://www.data.gov/)
Statistical Thinking in Python(第 2 部分)

虛無假設下的平均得票差

第 3 章圖 2.016

1 資料取自 Data.gov (https://www.data.gov/)
Statistical Thinking in Python(第 2 部分)

p 值

  • 在虛無假設為真時,取得至少和觀察值一樣極端之檢定統計量的機率
  • 不是虛無假設為真的機率
Statistical Thinking in Python(第 2 部分)

統計顯著性

  • 由 p 值的大小決定是否顯著
Statistical Thinking in Python(第 2 部分)

虛無假設顯著性檢定(NHST)

  • 也是本章所做方法的另一個名稱
Statistical Thinking in Python(第 2 部分)

統計顯著性 ≠ 實務顯著性

Statistical Thinking in Python(第 2 部分)

一起來練習吧!

Statistical Thinking in Python(第 2 部分)

Preparing Video For Download...