محاسبه مقدار P در اکسل
مقدار P چیست؟
محاسبه مقدار P در اکسل: مقدار P یک اصطلاح آماری است که به شما کمک میکند تعیین کنید که اگر فرضیهای که استفاده میکنید درست باشد، احتمال تغییر نمونهگیری چقدر است. به سادگی به ما میگوید اگر فرضیه صفر ما درست باشد، احتمال دریافت این نتایج چقدر است.
فرضیه صفر فرضیهای است که ادعا میکند نتایجی که به دست میآوریم ناشی از شانس محض است. فرضیه جایگزین ادعا میکند که نتایجی که به دست میآوریم ناشی از شانس نیستند، بلکه عوامل خارجی بر نتایج ما تأثیر میگذارند.
این یک اصطلاح آماری بسیار مهم و رایج است و میتوان آن را به راحتی در برنامههای تحلیل داده مانند مایکروسافت اکسل محاسبه کرد. در این مقاله، خواهید آموخت که چگونه از آن استفاده میکنیم، کجا از آن استفاده میکنیم و چگونه میتوانیم آن را به روشهای مختلف در اکسل محاسبه کنیم. بیایید شروع کنیم!
چرا به مقدار P نیاز داریم؟
هنگام انجام تحقیقات با جمعیتهای بزرگ، باید آمار هر فرد را محاسبه کنید. اما حتی در چنین شرایطی، نمیتوانید مطمئن باشید که چیزی به دلیل تصادف یا صرفاً شانس اتفاق افتاده است، زیرا مشاهده همه چیز غیرممکن است. اینجاست که آمار وارد عمل میشود.
محاسبههای آماری نمیتوانند حقیقت مطلق را به شما بدهند، اما به شما کمک میکنند تا ایده خوبی از تحقیقات خود داشته باشید.
مقدار P به ما اجازه میدهد فرضیه خود را آزمایش کنیم. میتوانیم نتایج ریاضی را با این فرضیهها مقایسه کنیم و بدون صرف زمان زیاد در تحقیق، مسیر خود را دوباره بررسی کنیم.
کجا از مقدار P در زندگی واقعی استفاده میکنیم؟
ما از مقدار احتمال در جایی که سعی میکنیم یک فرضیه را آزمایش کنیم، استفاده میکنیم. این میتواند در مورد تحقیق یا یک شرط سادهای باشد که با دوست خود بستهایم.
درک آن با مثالها آسانتر است.
بازاریابی:
فرض کنید در حوزه بازاریابی کار میکنید و پروژه اخیر شما در مورد تبلیغات غلات است. شما یک ویدیو برای رسانههای اجتماعی تولید کردهاید و اطلاعاتی در مورد اینکه کاربران بیشتر آن را رد کردهاند یا آن را برای مدت طولانی تماشا کردهاند، دریافت کردهاید. به عنوان مثال، زمان تماشای مشترک ویدیو ۲۰ ثانیه است. میانگین ۲۰ ثانیه است. و شما تصمیم گرفتید ویدیو را با قطعهای از موسیقی شادتر ویرایش کنید. حالا چگونه تشخیص میدهید که کار کرده است یا نه؟ در این مرحله از آمار معنیداری استفاده میکنیم.
اول، یک فرضیه صفر تولید کنید: فرضیه صفر ادعا میکند که هیچ ارتباطی بین آنچه سرمایهگذاری میکنید و نتایجی که میگیرید وجود ندارد. این بر نتایج تأثیر نمیگذارد. در این مثال، فرضیه صفر این خواهد بود: “هیچ ارتباطی بین تغییراتی که در زمان تماشا اعمال میکنید وجود ندارد.”
سپس فرضیه جایگزین: فرضیه جایگزین نشان میدهد که در واقع تغییر موسیقی جواب داده است و اکنون مردم ویدیو را بیش از ۲۰ ثانیه تماشا میکنند. از نظر ریاضی، فرضیه جایگزین میگوید: “میانگین اکنون بیشتر از ۲۰ ثانیه است.”
محاسبه سطح معنیداری: اکنون باید یک آستانه مرزی برای محاسبه موفقیت یا عدم موفقیت خود تعیین کنیم. این سطح معنیداری نامیده میشود و همچنین به عنوان مقدار آلفا شناخته میشود. میتواند هر درصدی باشد که میخواهید، کاملاً به عهده شماست. اما در این مثال، ۰.۰۵ خواهد بود. اکنون برای محاسبه با اطمینان، باید تمام دادههای زمان تماشا را داشته باشیم. اما از نظر زمان و منابع خود، باید نمونهای از جمعیت را انتخاب کنید:
شما نمونهای از ۱۰۰ نفر انتخاب کردید. این ۱۰۰ نفر ۲۵ ثانیه زمان تماشا برای تبلیغات دارند. یعنی میانگین نمونه ۲۵ است. این یک نسخه بسیار ساده از محاسبه است. اما انحراف استاندارد نمونه معمولاً در این مقیاس محاسبه میشود اگر انحراف استاندارد کل جمعیت را نمیدانید. میتوانید از مقادیر محاسبه شده برای نمونه استفاده کنید زیرا آنها به مقادیر جمعیت نزدیک هستند. میانگین نمونه به میانگین جمعیت نزدیک است.
محاسبه مقدار P: مقدار p به ما نشان میدهد که آیا میتوانیم فرضیه صفر را رد کنیم یا نه. احتمال اینکه میانگین نمونه بزرگتر یا مساوی ۲۵ دقیقه باشد، با فرض اینکه فرضیه صفر درست است. دو موقعیت ممکن است رخ دهد.
اگر مقدار p کمتر از آلفا باشد، میتوانید فرضیه صفر را رد کنید. شما مدرک آماری دارید که فرضیه جایگزین درست است. اما اگر مقدار p بزرگتر یا مساوی آلفا باشد، نمیتوانید فرضیه صفر را رد کنید. این بدان معنا نیست که فرضیه صفر قطعا درست است، بلکه نمیتوان از آن اجتناب کرد.
احتمال
بیایید روی مثال دیگری کار کنیم. دوست شما و شما سکهای را در هوا پرتاب کردید: اگر خط باشد ۵ دلار میبازید و اگر شیر بیاید ۵ دلار برنده میشوید.
دوست شما سکه را یک بار پرتاب میکند: خط میشود. خوب است، ۵۰٪ احتمال دارد خط بیاید. حالا شما فرض میکنید احتمال ۰.۵ است زیرا معتقدید سکه عادلانه است. این فرضیه صفر شماست. اما احتمال دیگری هم وجود دارد، سکه تقلبی است. هنگام محاسبه مقدار p، مانند فرضیه صفر عمل میکنید.
دوم: خط است. شما ۵ دلار دیگر باختید، اما اشکالی ندارد زیرا هنوز شانس خوبی برای دو خط در یک ردیف وجود دارد. مقدار p برابر با ۰.۲۵ است و هنوز نسبت عادلانهای است. سوم: دوباره خط است. شانس سه خط در یک ردیف ۰.۱۲ است. خیلی کم نیست، بنابراین شانس کافی برای رد کردن فرضیه صفر وجود ندارد. اما شما شروع به فکر میکنید که فرضیه جایگزین شما ممکن است درست باشد. چهارم: دوباره خط میشود، میبینید که شانسها واقعاً کم میشود. این میتواند یک تصادف معجزهآسا باشد، اما هنوز ۰.۶ شانس وجود دارد و هنوز شواهد کافی برای حمایت از فرضیه جایگزین مبنی بر تقلبی بودن سکه وجود ندارد. و منتظر پرتاب پنجم هستید. پنجم: خط است. شانس اینکه یک سکه پنج بار پشت سر هم خط بیاید ۰.۳ است که بسیار کم است. این نقطهای است که میتوانید فرضیه صفر را رد کنید زیرا شواهد کافی برای حمایت از آن دیگر وجود ندارد.
از دوست خود میخواهید سکه را ببیند و وقتی آن را در دست میگیرید متوجه میشوید که دو طرف آن خط است و سکه تقلبی است.
چه چیزی باعث شد به فرضیه صفر خود شک کنیم؟ در یک بازی منصفانه سکه انداختن، شانس گرفتن شیر یا خط ۵۰٪ است. این وضعیتی است که ما معتقدیم سکه عادلانه است، اما با کاهش مقدار p، اعتماد ما به این فرضیه نیز تضعیف میشود. وقتی مقدار p زیر ۰.۰۵ کاهش مییابد، احتمال کمی برای داشتن خط تصادفی وجود دارد. بنابراین، زمانی که این اصطلاح آماری را در مواردی مانند تحقیقات سرطان یا اثرات تغییرات آب و هوایی اعمال میکنید، اهمیت بیشتری پیدا میکند.
توجه: دلیل خاصی برای استفاده از مقدار p 0.05 برای محاسبه پیشفرض وجود ندارد. خالق فرمول تصمیم گرفت که این عدد خوبی برای محاسبه است و محاسبات پیشفرض به آن پایبند هستند. ۰.۰۵ به معنای ۵٪ در ۱۰۰ جمعیت فردی است که در منحنی نرمال قرار میگیرد. این یکی از دلایلی است که به طور معمول از آن استفاده میشود. اگر میخواهید آن را در حین محاسبه خود تغییر دهید، میتوانید این کار را انجام دهید.
نحوه محاسبه مقدار P در اکسل
روشهای مختلفی برای محاسبه مقدار p در مایکروسافت اکسل وجود دارد. میتوانید فرمولها را تایپ کنید یا از Analysis ToolPak استفاده کنید. این مقاله نحوه انجام آن را به هر دو روش نشان میدهد.
استفاده از فرمولهای کلاسیک اکسل:
ابتدا با روش فرمول کلاسیک اکسل شروع میکنیم. دو روش برای انجام این کار وجود دارد: فرمول TDIST و فرمول T-test.
۱.۱) فرمول TDIST
ابتدا به یک مجموعه داده برای محاسبه مقدار p نیاز دارید.
فرض کنید شما یک معلم هستید و میخواهید نمرات دانشآموزان خود را در آخرین امتحان و آنچه انتظار داشتید بر اساس امتحانات قبلی آنها باشد، مقایسه کنید. نتایج ۲۵، ۴۶، ۳۴، ۲۷، ۳۵، ۴۳، ۴۰، ۴۴، ۲۱ و ۳۹ را برای آخرین امتحان خود دارید. اکنون برای محاسبه، به یک دنباله دیگر نیاز
بدون دیدگاه