పి- విలువలు మరియు శూన్య పరికల్పన వెనుక ఉన్న సిద్ధాంతం మొదట సంక్లిష్టంగా అనిపించవచ్చు, కాని భావనలను అర్థం చేసుకోవడం గణాంకాల ప్రపంచాన్ని నావిగేట్ చేయడానికి మీకు సహాయపడుతుంది. దురదృష్టవశాత్తు, ఈ పదాలు జనాదరణ పొందిన విజ్ఞాన శాస్త్రంలో తరచుగా దుర్వినియోగం చేయబడతాయి, కాబట్టి ప్రతి ఒక్కరూ ప్రాథమికాలను అర్థం చేసుకోవడానికి ఇది ఉపయోగపడుతుంది.
ఎక్సెల్ లోని ప్రతి ఇతర వరుసను ఎలా తొలగించాలో మా వ్యాసం కూడా చూడండి
ఒక నమూనా యొక్క p- విలువను లెక్కించడం మరియు శూన్య పరికల్పనను నిరూపించడం / నిరూపించడం MS Excel తో ఆశ్చర్యకరంగా సులభం. దీన్ని చేయడానికి రెండు మార్గాలు ఉన్నాయి మరియు మేము వాటిని రెండింటినీ కవర్ చేస్తాము. లోపలికి వెళ్దాం.
శూన్య పరికల్పన మరియు పి- విలువ
శూన్య పరికల్పన అనేది ఒక ప్రకటన, దీనిని డిఫాల్ట్ స్థానం అని కూడా పిలుస్తారు, ఇది గమనించిన దృగ్విషయాల మధ్య సంబంధం ఉనికిలో లేదని పేర్కొంది. ఇది గమనించిన రెండు సమూహాల మధ్య అనుబంధాలకు కూడా వర్తించవచ్చు. పరిశోధన సమయంలో, మీరు ఈ పరికల్పనను పరీక్షిస్తారు మరియు దానిని నిరూపించడానికి ప్రయత్నిస్తారు.
ఉదాహరణకు, ఒక నిర్దిష్ట వ్యామోహ ఆహారం గణనీయమైన ఫలితాలను కలిగి ఉందో లేదో మీరు గమనించాలనుకుంటున్నారు. శూన్య పరికల్పన, ఈ సందర్భంలో, డైటింగ్ ముందు మరియు తరువాత పరీక్ష విషయాల బరువులో గణనీయమైన తేడా లేదు. ప్రత్యామ్నాయ పరికల్పన ఏమిటంటే ఆహారంలో తేడా ఉంది. పరిశోధకులు దీనిని నిరూపించడానికి ప్రయత్నిస్తారు.
P -value ఒక నిర్దిష్ట గణాంక నమూనాకు శూన్య పరికల్పన నిజం అయినప్పుడు గణాంక సారాంశం గమనించిన విలువకు సమానం లేదా అంతకంటే ఎక్కువ ఉండే అవకాశాన్ని సూచిస్తుంది. ఇది తరచుగా దశాంశ సంఖ్యగా వ్యక్తీకరించబడినప్పటికీ, సాధారణంగా దానిని శాతంగా వ్యక్తీకరించడం మంచిది. ఉదాహరణకు, 0.1 యొక్క p -value ను 10% గా సూచించాలి.
తక్కువ p -value అంటే శూన్య పరికల్పనకు వ్యతిరేకంగా సాక్ష్యం బలంగా ఉంది. ఇది మీ డేటా ముఖ్యమైనదని దీని అర్థం. మరోవైపు, అధిక p -value అంటే పరికల్పనకు వ్యతిరేకంగా బలమైన ఆధారాలు లేవు. వ్యామోహ ఆహారం పనిచేస్తుందని నిరూపించడానికి, పరిశోధకులు తక్కువ p- విలువను కనుగొనవలసి ఉంటుంది.
గణాంకపరంగా ముఖ్యమైన ఫలితం శూన్య పరికల్పన నిజమైతే జరిగే అవకాశం లేదు. ప్రాముఖ్యత స్థాయిని గ్రీకు అక్షరం ఆల్ఫాతో సూచిస్తారు మరియు ఫలితం గణాంకపరంగా ముఖ్యమైనదిగా ఉండటానికి p -value కంటే పెద్దదిగా ఉండాలి.
విస్తృతమైన రంగాలలోని చాలా మంది పరిశోధకులు వారు పనిచేస్తున్న డేటాపై మెరుగైన మరియు లోతైన అంతర్దృష్టిని పొందడానికి p -value ని ఉపయోగిస్తున్నారు. సోషియాలజీ, క్రిమినల్ జస్టిస్, సైకాలజీ, ఫైనాన్స్ మరియు ఎకనామిక్స్ వంటి కొన్ని ప్రముఖ రంగాలు ఉన్నాయి.
ఎక్సెల్ లో p -Value ని కనుగొనడం
టి-టెస్ట్ ఫంక్షన్ ద్వారా లేదా డేటా అనాలిసిస్ సాధనాన్ని ఉపయోగించి MS ఎక్సెల్ లో సెట్ చేయబడిన డేటా యొక్క p- విలువను మీరు కనుగొనవచ్చు. మొదట, మేము టి-టెస్ట్ ఫంక్షన్ను పరిశీలిస్తాము. మేము 30 రోజుల ఆహారం తీసుకున్న ఐదుగురు కళాశాల విద్యార్థులను పరిశీలిస్తాము. మేము వారి బరువును ఆహారం ముందు మరియు తరువాత పోలుస్తాము.
గమనిక: ఈ వ్యాసం యొక్క ప్రయోజనాల కోసం, మేము MS ఎక్సెల్ 2010 ను ఉపయోగిస్తాము. ఇది ఇటీవలిది కానప్పటికీ, దశలు సాధారణంగా క్రొత్త సంస్కరణలకు కూడా వర్తిస్తాయి.
టి-టెస్ట్ ఫంక్షన్
టి-టెస్ట్ ఫంక్షన్తో p- విలువను లెక్కించడానికి ఈ దశలను అనుసరించండి.
- పట్టికను సృష్టించండి మరియు జనాభా చేయండి. మా పట్టిక ఇలా ఉంది:
- మీ టేబుల్ వెలుపల ఏదైనా సెల్ పై క్లిక్ చేయండి.
- దీనిలో టైప్ చేయండి: = T.Test (.
- ఓపెన్ బ్రాకెట్ తరువాత, మొదటి ఆర్గ్యుమెంట్ టైప్ చేయండి. ఈ ఉదాహరణలో, ఇది బిఫోర్ డైట్ కాలమ్. పరిధి B2: B6 గా ఉండాలి. ఇప్పటివరకు, ఫంక్షన్ ఇలా ఉంది: టి.టెస్ట్ (బి 2: బి 6.
- తరువాత, మేము రెండవ వాదనను నమోదు చేస్తాము. డైట్ తరువాత కాలమ్ మరియు దాని ఫలితాలు మా రెండవ వాదన మరియు మనకు అవసరమైన పరిధి C2: C6. దీనిని ఫార్ములాకు చేర్చుదాము: టి.టెస్ట్ (బి 2: బి 6, సి 2: సి 6.
- రెండవ ఆర్గ్యుమెంట్ తర్వాత కామాలో టైప్ చేయండి మరియు ఒక తోక పంపిణీ మరియు రెండు-తోక పంపిణీ ఎంపికలు డ్రాప్-డౌన్ మెనులో స్వయంచాలకంగా కనిపిస్తాయి. మొదటి - ఒక తోక పంపిణీని ఎంచుకుందాం. దానిపై డబుల్ క్లిక్ చేయండి.
- మరొక కామాలో టైప్ చేయండి.
- తదుపరి డ్రాప్-డౌన్ మెనులో జత చేసిన ఎంపికపై డబుల్ క్లిక్ చేయండి.
- ఇప్పుడు మీకు అవసరమైన అన్ని అంశాలు ఉన్నాయి, బ్రాకెట్ను మూసివేయండి. ఈ ఉదాహరణ యొక్క సూత్రం ఇలా ఉంది: = T. పరీక్ష (B2: B6, C2: C6, 1, 1)
- ఎంటర్ నొక్కండి. సెల్ వెంటనే p -value ని ప్రదర్శిస్తుంది. మా విషయంలో, విలువ 0.133906 లేదా 13.3906%.
5% కంటే ఎక్కువగా ఉండటం వలన, ఈ p- విలువ శూన్య పరికల్పనకు వ్యతిరేకంగా బలమైన సాక్ష్యాలను అందించదు. మా ఉదాహరణలో, పరీక్షా విషయాలలో గణనీయమైన బరువు తగ్గడానికి డైటింగ్ సహాయపడిందని పరిశోధన రుజువు చేయలేదు. ఇది శూన్య పరికల్పన సరైనదని అర్ధం కాదు, ఇది ఇంకా నిరూపించబడలేదు.
డేటా విశ్లేషణ మార్గం
డేటా విశ్లేషణ సాధనం p -value లెక్కలతో సహా చాలా మంచి పనులు చేయడానికి మిమ్మల్ని అనుమతిస్తుంది. విషయాలు సరళంగా చేయడానికి, మేము మునుపటి పద్ధతిలో ఉన్న పట్టికను ఉపయోగిస్తాము.
ఇది ఎలా జరిగిందో ఇక్కడ ఉంది.
- మేము ఇప్పటికే D కాలమ్లో బరువు వ్యత్యాసాలను కలిగి ఉన్నందున, మేము వ్యత్యాస గణనను దాటవేస్తాము. భవిష్యత్ పట్టికల కోసం, ఈ సూత్రాన్ని ఉపయోగించండి: = ”సెల్ 1” - “సెల్ 2”.
- తరువాత, మెయిన్ మెనూలోని డేటా టాబ్ పై క్లిక్ చేయండి.
- డేటా విశ్లేషణ సాధనాన్ని ఎంచుకోండి.
- జాబితాను క్రిందికి స్క్రోల్ చేసి, టి-టెస్ట్ క్లిక్ చేయండి: జత చేసిన రెండు నమూనా కోసం మీన్స్ ఎంపిక.
- సరే క్లిక్ చేయండి.
- పాప్-అప్ విండో కనిపిస్తుంది. ఇది ఇలా ఉంది:
- మొదటి పరిధి / వాదనను నమోదు చేయండి. మా ఉదాహరణలో, ఇది B2: B6.
- రెండవ పరిధి / వాదనను నమోదు చేయండి. ఈ సందర్భంలో, ఇది C2: C6.
- డిఫాల్ట్ విలువను ఆల్ఫా టెక్స్ట్ బాక్స్లో వదిలివేయండి (ఇది 0.05).
- అవుట్పుట్ రేంజ్ రేడియో బటన్పై క్లిక్ చేసి, మీకు ఫలితం ఎక్కడ కావాలో ఎంచుకోండి. ఇది A8 సెల్ అయితే, టైప్ చేయండి: $ A $ 8.
- సరే క్లిక్ చేయండి.
- ఎక్సెల్ p -value మరియు అనేక ఇతర పారామితులను లెక్కిస్తుంది. చివరి పట్టిక ఇలా ఉంటుంది:
మీరు గమనిస్తే, ఒక-తోక p- విలువ మొదటి సందర్భంలో మాదిరిగానే ఉంటుంది - 0.133905569. ఇది 0.05 పైన ఉన్నందున, ఈ పట్టికకు శూన్య పరికల్పన వర్తిస్తుంది మరియు దానికి వ్యతిరేకంగా సాక్ష్యం బలహీనంగా ఉంది.
P -Value గురించి తెలుసుకోవలసిన విషయాలు
ఎక్సెల్ లో p -value లెక్కలకు సంబంధించి కొన్ని ఉపయోగకరమైన చిట్కాలు ఇక్కడ ఉన్నాయి.
- P -value 0.05 (5%) కు సమానంగా ఉంటే, మీ పట్టికలోని డేటా ముఖ్యమైనది. ఇది 0.05 (5%) కన్నా తక్కువ ఉంటే, మీ వద్ద ఉన్న డేటా చాలా ముఖ్యమైనది.
- ఒకవేళ p -value 0.1 (10%) కన్నా ఎక్కువ ఉంటే, మీ పట్టికలోని డేటా చాలా తక్కువగా ఉంటుంది. ఇది 0.05-0.10 పరిధిలో ఉంటే, మీకు స్వల్పంగా ముఖ్యమైన డేటా ఉంది.
- మీరు ఆల్ఫా విలువను మార్చవచ్చు, అయినప్పటికీ చాలా సాధారణ ఎంపికలు 0.05 (5%) మరియు 0.10 (10%).
- మీ పరికల్పనను బట్టి రెండు-తోక పరీక్షను ఎంచుకోవడం మంచి ఎంపిక. పై ఉదాహరణలో, వన్-టెయిల్డ్ టెస్టింగ్ అంటే, డైటింగ్ తర్వాత పరీక్షా సబ్జెక్టులు బరువు కోల్పోయాయా అని మేము అన్వేషిస్తాము మరియు అదే మనం తెలుసుకోవడానికి అవసరమైనది. కానీ రెండు తోకల పరీక్ష వారు గణాంకపరంగా గణనీయమైన బరువును పొందారో లేదో కూడా పరిశీలిస్తుంది.
- P -value వేరియబుల్స్ గుర్తించలేవు. మరో మాటలో చెప్పాలంటే, ఇది ఒక సహసంబంధాన్ని గుర్తిస్తే, దాని వెనుక గల కారణాలను అది గుర్తించదు.
పి -వాల్యూ డెమిస్టిఫైడ్
అతని లేదా ఆమె ఉప్పు విలువైన ప్రతి గణాంకవేత్త శూన్య పరికల్పన పరీక్ష యొక్క లోపాలను మరియు అవుట్లను తెలుసుకోవాలి మరియు p- విలువ అంటే ఏమిటో తెలుసుకోవాలి. ఈ జ్ఞానం అనేక ఇతర రంగాలలోని పరిశోధకులకు కూడా ఉపయోగపడుతుంది.
గణాంక నమూనా యొక్క p- విలువను లెక్కించడానికి మీరు ఎప్పుడైనా ఎక్సెల్ ఉపయోగించారా? మీరు ఏ పద్ధతిని ఉపయోగించారు? మీరు దానిని లెక్కించడానికి మరొక మార్గాన్ని ఇష్టపడుతున్నారా? వ్యాఖ్యల విభాగంలో మాకు తెలియజేయండి.
