Kiểm định Z và Giá trị P mặc dù là hai kiểm định thống kê, nhưng đây là hai điều riêng biệt, trong đó kiểm định trước là kiểm tra thống kê làm sáng tỏ liệu người ta có nên bác bỏ giả thuyết vô hiệu hay không trong khi kiểm định sau là kiểm tra xác suất biểu thị có xác suất giả thuyết vô hiệu sẽ bị bác bỏ.
Z-Test so với P-Value
Sự khác biệt giữa Z-Test và P-Value là Z-Test nói về việc liệu giả thuyết vô hiệu có nên bị bác bỏ hay không, nhưng ngược lại, P-Value ném ra ánh sáng cho những quan sát đã được thực hiện trong quá trình thử nghiệm nếu chúng giống nhau hoặc cực trị khi giả thuyết vô hiệu là đúng.
Kiểm định Z trong thống kê, là một công cụ được sử dụng để xác định xem liệu hai trung bình tổng thể có khác nhau ngay cả khi các biến được biết đến hay không. Đây là một loại kiểm định giả thuyết theo giả thuyết rỗng và có thể được gần đúng bằng phân phối chuẩn.
Kiểm tra giả thuyết trong thống kê là một cách để tìm ra kết quả của một cuộc khảo sát hoặc thử nghiệm có ý nghĩa hay không.
Trong khi, giá trị P hoặc giá trị xác suất, trong giả thuyết thống kê, là xác suất thu được các kết quả kiểm tra / thử nghiệm được quan sát trong quá trình kiểm tra hoặc thử nghiệm với giả thiết giả thuyết rỗng là đúng.
Giả thuyết vô hiệu là một tuyên bố chung cho biết không có mối quan hệ nào giữa hai nhóm được đo lường.
Bảng so sánh giữa Z-Test và P-Value (ở dạng bảng)
| Các thông số so sánh | Giá trị P | Kiểm tra Z |
|---|---|---|
| Nghĩa | P-Value là xác suất của các quan sát vẫn giữ nguyên hoặc cực trị, nếu giả thuyết vô hiệu là đúng. | Z-Test mô tả độ lệch so với giá trị trung bình theo đơn vị độ lệch chuẩn. |
| Giả định | Giá trị P là phép thử được thực hiện với giả thiết giả thuyết vô hiệu là đúng. | Trong trường hợp Z-Test, nó không đưa ra các giả định như vậy. |
| Khách quan | Mục tiêu của bài kiểm tra này là để tìm hiểu xem liệu giả thuyết vô hiệu có nên được chấp nhận hay không. | Mục tiêu của thử nghiệm này là để kiểm tra xem các quan sát có được giữ nguyên hay không nếu giả thuyết vô hiệu là đúng. |
| Chỉ định của bài kiểm tra | Giá trị P cho biết mức độ khó xảy ra của thống kê. | Trong khi, Z-Test cho biết giá trị trung bình là bao xa. |
Z-Test là gì?
Kiểm định Z trong thống kê, là một công cụ được sử dụng để xác định xem liệu hai trung bình tổng thể có khác nhau ngay cả khi các biến được biết đến hay không. Hơn nữa, kích thước mẫu lớn. Đây là một loại kiểm định giả thuyết theo giả thuyết rỗng và có thể được gần đúng bằng phân phối chuẩn.
Nó được sử dụng để kiểm tra xem liệu giả thuyết vô hiệu có nên bị bác bỏ hay không. Điểm Z là thước đo độ lệch chuẩn, ví dụ: +1,95 hoặc -1,95 biểu thị kết quả thống kê thử nghiệm đã sai lệch bao nhiêu so với giá trị trung bình.
Có một số giả định được đưa ra trong bài kiểm tra Z một mẫu:
Giá trị P là gì?
P-Value là xác suất kết quả thống kê thử nghiệm bị bác bỏ hoặc được chấp nhận với giả thiết giả thuyết vô hiệu là đúng. Thử nghiệm đặt ra mức ý nghĩa và khi giá trị p nhỏ hơn mức ý nghĩa thì giả thuyết vô hiệu sẽ bị bác bỏ.
Để tìm ra giá trị p trong thống kê của một người:
Sự khác biệt chính giữa Z-Test và P-Value
Nghĩa
Giá trị P là xác suất thu được một kết quả thống kê thử nghiệm ít nhất bằng hoặc bằng với kết quả quan sát được trong thử nghiệm với giả định rằng giả thuyết rỗng là đúng.
Trong khi, Z-Test là bài kiểm tra được sử dụng để xác định xem giá trị trung bình của một tổng thể lớn hơn, nhỏ hơn hoặc bằng một giá trị cụ thể. Vì nó sử dụng phân phối chuẩn chuẩn, nên phép thử này thường được gọi là Phép thử Z một mẫu. Nó giả định rằng độ lệch chuẩn của tổng thể đã được biết trước.
Giả thuyết Null
Trong trường hợp P-Value, giả thuyết rỗng được giả định là đúng, dựa vào đó, kết quả thống kê thử nghiệm được quan sát trong thực nghiệm được kiểm tra để xem kết quả có giống hay cực trị với nó đã được quan sát trước đó hay không. Mặt khác, Z-Test được sử dụng để kiểm tra xem liệu giả thuyết rỗng có nên bị bác bỏ hay không.
Giả thuyết thay thế
Trong P-Value, giả thuyết thay thế là tuyên bố quan trọng mà người thử nghiệm muốn kết luận trong thử nghiệm nếu dữ liệu cho phép. Trong khi đó, trong Z-Test, giả thuyết thay thế đóng một vai trò quan trọng cùng với giả thuyết rỗng, alpha và Z-score. Giả thuyết thay thế là giả thuyết đối lập, nó là một tuyên bố về sự khác biệt trong dân số. Đó là giả thuyết mà người làm thí nghiệm hy vọng sẽ chứng minh được.
Hạn chế
Trong trường hợp P-Value, giá trị p có thể không đúng nếu kích thước mẫu nhỏ. Hơn nữa, giá trị p có xu hướng được kết luận là có ý nghĩa hoặc không có ý nghĩa dựa trên yếu tố giá trị p nhỏ hơn hoặc bằng 0,5, điều này không xảy ra với Z-Test. Tuy nhiên, có một số hạn chế của việc sử dụng Z-Test.
Điều đầu tiên là, kích thước mẫu có thể từ một số nhỏ đến vài trăm, Nếu dữ liệu rời rạc với ít nhất năm giá trị duy nhất thì người ta có thể bỏ qua giả định biến liên tục. Có lẽ hạn chế lớn nhất là dữ liệu phải ngẫu nhiên nếu không các mức ý nghĩa có thể không chính xác.
Các kết quả
Nếu giá trị p rất nhỏ so với giá trị ngưỡng đã được chọn trước đó được gọi là mức có ý nghĩa (thường là 5% hoặc 1%), điều đó cho thấy rằng dữ liệu quan sát không phù hợp với giả định rằng giả thuyết rỗng là đúng và do đó giả thuyết phải được bác bỏ và giả thuyết thay thế được chấp nhận.
Ví dụ:
Trong khi, trong Z-Test, để đưa ra một ví dụ: Các giá trị Z-Score quan trọng khi sử dụng mức độ tin cậy 95%, độ lệch chuẩn -1,96 và +1,96. Giá trị p liên quan đến độ tin cậy 95% là 0,05. Nếu điểm Z của bạn từ -1,96 đến +1,96, giá trị p của bạn sẽ lớn hơn 0,05 và bạn không thể bác bỏ giả thuyết vô hiệu của mình.
Nếu điểm Z nằm ngoài phạm vi đó (ví dụ -2,5 hoặc +5,4), mô hình được hiển thị có lẽ quá bất thường để chỉ là một phiên bản khác của cơ hội ngẫu nhiên và giá trị p sẽ nhỏ để phản ánh điều này. Trong trường hợp này, có thể bác bỏ giả thuyết.
Ý tưởng chính ở đây là các giá trị ở giữa phân phối chuẩn (ví dụ: điểm Z như 0,19 hoặc -1,2), đại diện cho kết quả mong đợi
Sự kết luận
P-Value và Z-Test là hai bài kiểm tra thống kê với các mục tiêu khác nhau. Giá trị P xoay quanh xác suất các quan sát hoặc kết quả của thử nghiệm là giống nhau hoặc cực trị nếu giả thuyết vô hiệu là đúng.
Mặt khác, Z-Test biểu thị tính hợp lệ của các quan sát được thực hiện trong quá trình thử nghiệm. Nó chỉ được sử dụng khi kích thước mẫu lớn hơn 30 như trong trường hợp dân số, đó là do định lý trọng tâm được sử dụng trong quá trình thử nghiệm này, khi số lượng mẫu tăng lên, các mẫu được coi là phân phối bình thường và dữ liệu được chọn ngẫu nhiên.
Giá trị P bị ảnh hưởng bởi kích thước mẫu cũng như giả thuyết rỗng. Cỡ mẫu càng lớn thì Giá trị P càng nhỏ, trong khi Kiểm định Z bị ảnh hưởng bởi giả thuyết rỗng, giả thuyết thay thế, alpha và Z-Score.
