Pomyśl, czy masz 2 przyjaciół, którzy spierają się o to, który z nich mieszka dalej od pracy / szkoły. Proponujesz rozstrzygnięcie debaty i poproszenie ich o zmierzenie odległości, jaką muszą pokonać między domem a pracą. Obaj zgłaszają się z powrotem, ale jeden raport w milach, a drugi w kilometrach, więc nie można bezpośrednio porównać 2 liczb. Możesz przeliczyć mile na kilometry lub kilometry na mile i dokonać porównania, które przeliczenie nie ma znaczenia, podejmiesz tę samą decyzję w obu kierunkach.
Podobnie jest ze statystyką testową, nie możesz porównać swojej wartości alfa ze statystyką F, musisz przekonwertować wartość alfa na wartość krytyczną i porównać statystyki F z wartością krytyczną lub musisz przekonwertować swoją statystykę F na wartość p -wartość i porównanie wartości p z wartością alfa.
Alpha jest wybierana z wyprzedzeniem (komputery często domyślnie wynoszą 0,05, jeśli nie ustawisz jej inaczej) i reprezentuje Twoją gotowość do fałszywego odrzucenia hipotezy zerowej, jeśli jest to prawda (błąd typu I). Statystyka F jest obliczana na podstawie danych i reprezentuje, o ile zmienność między średnimi przekracza oczekiwaną przypadek. Statystyka F większa niż wartość krytyczna jest równoważna wartości p mniejszej niż alfa i oba oznaczają odrzucenie hipotezy zerowej.
Nie porównujemy statystyki F do 1, ponieważ może być większa niż 1 ze względu na przypadek, tylko wtedy, gdy jest większa niż wartość krytyczna, mówimy, że jest mało prawdopodobne z powodu przypadku i wolałby odrzucić Hipoteza zerowa.
Na zajęciach, które prowadzę, zauważyłem, że uczniowie, którzy nie są tak młodzi jak inni i wracają do szkoły po pracy, często zadają najlepsze pytania i są bardziej zainteresowani tym, co mogą zrobić z odpowiedziami ( zamiast martwić się, czy jest to test), więc nie bój się pytać.
