¿Cuál es la significancia estadística de los resultados de ZT?

La significancia estadística de un resultado es un método para estimar qué tan verdadero es el resultado (¿puede representar a la población?). Profesionalmente, un valor P es un indicador decreciente de la confiabilidad de un resultado. Cuanto mayor sea el valor de P, menos podremos pensar que la correlación de variables en la muestra sea un indicador confiable de la correlación de variables en la población. El valor p es la probabilidad de error a la que la observación se considera válida, es decir, generalmente representativa. Por ejemplo, p=0,05 significa que 5 variables de la muestra pueden deberse al azar. Es decir, suponiendo que no existe correlación entre ninguna variable de la población, repetimos experimentos similares y encontramos que en aproximadamente uno de cada 20 experimentos, la correlación de las variables que estudiamos será igual o más fuerte que nuestros resultados experimentales. (Esto no significa que si hay correlación entre variables, podamos obtener el mismo resultado 5 o 95 veces. Cuando hay correlación entre variables en una población, la probabilidad de repetir el estudio y encontrar la correlación es estadísticamente válida para El diseño En muchos campos de investigación, un valor p de 0,05 a menudo se considera el nivel límite de error aceptable para juzgar qué nivel de significación es estadísticamente significativo en la conclusión final. En otras palabras, la elección de niveles en los que los resultados no son válidos. y rechazado es arbitrario En la práctica, la decisión final a menudo depende de si los resultados son a priori o simplemente por pares durante la comparación y el análisis del conjunto de datos: la comparación depende de la cantidad de evidencia que respalda la conclusión en el conjunto de datos general. y práctica anterior en el campo de la investigación Generalmente, en muchos campos científicos, un valor P de ≤0,05 se considera el límite de significancia estadística, pero este nivel de significancia también se incluye con una alta probabilidad de error de 0,05≥. p gt; 0,01 se consideran estadísticamente significativos y 0,01≥p≥0,001 se consideran altamente significativos estadísticamente. Sin embargo, cabe señalar que esta clasificación se basa únicamente en la rutina de juicio de reglas. estadísticas distribuidas normalmente? No del todo, pero la mayoría de las pruebas están directa o indirectamente relacionadas con ellas y pueden derivarse de la distribución normal, como la prueba t, la prueba f o la prueba de chi-cuadrado. Estas pruebas generalmente requieren que las variables que se analizan. se distribuyen normalmente en la población, es decir, satisfacen el llamado supuesto de normalidad. Es por eso que la distribución normal es realmente normal. Surgen problemas cuando se utilizan pruebas basadas en la distribución normal para analizar datos. variables no distribuidas normalmente (ver Pruebas de normalidad para no paramétricos y ANOVA Tres métodos: uno es utilizar pruebas no paramétricas alternativas (es decir, pruebas sin distribución), pero este método es inconveniente porque es estadísticamente ineficiente e inflexible desde la conclusión). La forma que proporciona es que cuando se determina que el tamaño de la muestra es lo suficientemente grande, generalmente se puede usar una prueba basada en la distribución normal. Este último método se basa en un principio muy importante y juega un papel extremadamente importante. Prueba general basada en la ecuación normal. Es decir, a medida que aumenta el tamaño de la muestra, la forma de la distribución de la muestra tiende a ser normal, incluso si la distribución de la variable en estudio no es normal.