In JMP wird ein p-Wert zwischen 0,01 und 0,05 rot gefärbt; weniger als 0,01 ist orange; größer als 0,05 ist schwarz.Die Farbcodierung kann hilfreich sein, wenn Sie mehrere verschiedene Effekte gleichzeitig analysieren und in Berichten nach visuellen Hinweisen von statistischer Bedeutung suchen möchten.
P-Werte helfen uns, Rückschlüsse auf Populationen aus der von uns analysierten Stichprobe zu ziehen. Sie beziehen sich auf die Nullhypothese – das heißt, dass es keinen Effekt in der Population gibt, aus der eine Stichprobe genommen wurde.
In einfachen Worten, a niedriger p-Wert legt nahe, dass die Nullhypothese falsch ist und dass es tatsächlich einen Effekt in der Bevölkerung gibt.
Beispielsweise könnte eine Stichprobe von 50 Personen eine Korrelation zwischen zwei Variablen zeigen. Die Nullhypothese besagt, dass dies der Fall ist nein Korrelation da draußen in der gesamten Bevölkerung, aber a niedriger p-Wert denn die Korrelation deutet darauf hin, dass die Nullhypothese falsch ist (dh es besteht wirklich eine Korrelation in der Population). In Gedanken an p Da er für die Wahrscheinlichkeit steht, könnte man meinen, dass ein niedriger p-Wert darauf hindeutet, dass das Ergebnis, das wir in unserer Stichprobe sehen, wäre geringe Wahrscheinlichkeit wenn da nicht tatsächlich eine Wirkung in der Bevölkerung wäre.
Statistiker betrachten in der Regel einen p-Wert ≤ 0,05 als statistisch signifikant. In einigen Fällen wird nach p-Werten < 0,01 gesucht.
Ross Metusalem @Ross_Metusalem erklärt:
