Jeg har nu indført $p$-værdien i et statistisk test af en hypotese. $P$-værdien måler sandsynligheden for at få en observation ved gentagelse af eksperimentet, der afviger mere fra det forventede end den oprindelige observation.

Test dig selv: $p$-værdi

Hvis $p$-værdien for en observation $x$ er stor, betyder dette, at det er nemt at få noget, der afviger mere fra det forventede end observationen $x.$ Dette betyder, at $x$ ligger tæt på det forventede, og vi siger, at data ikke strider mod hypotesen. Omvendt, hvis $p$-værdien er lille, betyder dette, at observationen $x$ ligger langt fra det forventede, og vi siger, at data strider mod hypotesen. Spørgsmålet er, hvor man skal lægge grænsen ? Der er ikke noget "korrekt" svar på dette. I dette kursus bruges en grænse på 0.05 (5 procent). Dette er en grænse, der bruges meget ofte, men der kan også være situationer, hvor man vil benytte en lavere grænse. Hvis, for eksempel, man tester en ny medicin, så vil man gerne være meget sikker på, at den nye medicin virker bedre, inden man skifter over til denne. Generelt kan man sige, at det er vigtigere at angive $p$-værdien end blot at angive, om denne er over eller under 0.05.Her er en generel formulering af 5%-reglen.Man vil også ofte se sprogbrugen, at hvis man har lavet et test og fået en $p$-værdi mindre en 0.05, siger man, at den egenskab man tester for er signifikant.

Fejl af type 1 og type 2

ForegåendeNæste