مفهوم p-value

مفهوم p-value

مفهوم p-value از دیدگاه:

1. وبسایت آماریست

از دیدگاه آمار محض p value احتمال رد فرضیه صفر به شرط درست بودن آن بر اساس داده های مشاهده شده می باشد به عبارت ساده تر میزان شانسی بودن اختلاف مشاهده شده از فرضیه صفر می باشد هر چه قدر این احتمال عددی کوچک باشد اعتماد ما به واقعی بودن اختلاف مشاهده شده بیشتر است. به عنوان مثال فرض کنید هدف آزمون کردن میانگین قد دانشجویان یک کلاس ۱۰۰ نفره می باشد. بر اساس فرضیه صفر میانگین قد کلاس برابر ۱۷۰ سانتی متر می باشد. نمونه ای تصادفی شامل ۱۰ دانشجو را در نظر می گیریم میانگین قد این دانشجویان برابر ۱۸۰سانتی متر می شود. همان طور که مشاهده می شود فرضیه صفر و مقدار مشاهده شده ۱۰=۱۷۰-۱۸۰سانتی متر با هم اختلاف دارند. سوالی که الان مطرح هست این است که این اختلاف ۱۰ سانتی متر واقعی است یا شانسی؟  p value دقیقا به این سوال پاسخ می دهد و نشان می دهد این اختلاف مشاهده شده بین فرضیه صفر و مقدار نمونه چقدر شانسی و تصادفی است. هر چه قدر این عدد (p value)کوچکتر شود شانسی بودن اختلاف ۱۰ سانتی متر نیز کمتر می شود در نتیجه با یقین و گواه بیشتر می توانیم وجود اختلاف ۱۰ سانتی متری را اذعان کنیم.

 

در تفسیر دیگر  p value می توان گفت اگر در شرایط مشابه  ۱۰۰ بار آزمونی را تکرار کنیم p value تعداد دفعاتی است که نشان می دهد اختلاف مشاهده شده شانسی می باشد.

منبع:http://www.amarist.blogfa.com/post-56.aspx

 

2. کمیته تحقیقات دانشجویی دانشگاه علوم پزشکی بقیه الله 

همان طور که می دانیم وقتی فرصیه ی صفر یا همان نول رد می شود حتما باید P value نیز ذکر شود. (وقتی رد نمی شود باید پاور مطالعه ذکر شود)  P value یا همان Probability Value نشان دهنده ی ارزش احتمال می باشد و باید دقت شود که شدت ارتباط بین دو متغیر را نشان نمی دهد و به نوعی تعمیم پذیری به جامعه را نشان می دهد. با یک مثال به توضیح بیشتر این مفهوم می پردازیم.

در مطالعه ای به بررسی ارتباط دو داروی الف و ب  با فشار خون پرداخته شده است. (سطح معنی داری در این مطالعه 0.05 در نظر گرفته شده است) فرضیه های صفر در این مطالعه به این صورت تعریف می شود:

1- داروی الف با فشار خون ارتباط ندارد.

2- داروی ب با فشار خون ارتباط ندارد.

فرض کنید در این مطالعه هر دو فرضیه رد شده است (با  P value های 0.005 و 0.001) این دو ارزش احتمال هر دو از 0.05 کمتر می باشند یعنی هر دو از نظر آماری معنی دار بوده و قابل تعمیم به جامعه می باشند. دقت داشته باشید  بر اساس این ارزش های احتمال ذکر شده، نمی توانیم بگوییم کدام دارو ارتباط بیشتری با فشار خون دارد اما می توانیم بگوییم  احتمال این که این ارتباط در جامعه هم وجود داشته باشد برای داروی دوم بیشتر است به عبارتی اگر هزار بار دیگر این مطالعه تکرار شود فقط یک هزارم امکان دارد که داروی دوم با فشار خون ارتباط نداشته باشد و برای داروی اول فقط پنج هزارم امکان دارد که با فشار خون ارتباط نداشته باشد.

ممنون میشم با توضیحات بیشتر منو راهنمایی کنید.

منبع:http://www.bmsusrc.ir/post/245

 

3.وبسایت فراسا

یکی از مواردی که می تواند منجر به بروز اشتباه در قضاوت شود این است که پژوهشگر بیان کند که تفاوتی بین گروه درمان و شاهد وجود دارد در حالی که چنین تفاوتی وجود ندارد. در اصطلاح آماری این نوع خطا که در آن به اشتباه نتیجه گیری شود که اختلافی بین دو گروه وجود دارد به عنوان خطای نوع 1 (Type I error) در نظر گرفته می شود و احتمال بروز این خطا به عنوان سطح آلفا (alpha level) در نظر گرفته می شود. تصور کنید که در موقعیتی نیاز به انداختن سکه دارید و نمی توانید اطمینان حاصل کنید که آیا این سکه بدون بروز خطا کار می کند یا نه. پرتاب سکه می تواند یکی از نتایج شیر یا خط را ایجاد کند. در یک بررسی یک فرد می تواند فرضیه ای بیان کند که احتمال اینکه شیر یا خط بیاید برابر است که در این صورت سکه بدون هیچ خطایی کار می کند. در چنین فرضیه ای احتمال اینکه در هر بار پرتاب سکه شیر یا خط ظاهر شود برای هر کدام 50 درصد می باشد. این فرضیه را می توان به این صورت مورد آزمایش قرار داد که در یک روند آزمایشی اقدام به پرتاب سکه در چند نوبت مختلف کنیم. بررسی آماری نتایج به دست آمده به صورت شیر یا خط می تواند برای پاسخ دادن به این سؤال که آیا احتمال آمدن شیر یا خط در هر بار پرتاب سکه با هم برابرند یا نه به کار رود. 
برای درک بهتر این مفهوم اجازه بدهید شرایطی را در نظر بگیریم که در آن این سکه 100 بار پرتاب می شود و در آن هر 10 بار جواب به دست آمده شیر بوده است. در صورتی که این سکه سالم باشد و خطایی نداشته باشد چقدر احتمال دارد این حالت بروز کند؟ بسیاری از افراد در مواجهه با چنین موقعیتی نتیجه می گیرند که احتمال اینکه تنها شانس بتواند چنین نتیجه گیری را توجیه کند بسیار پایین است. بنابراین به نظر می رسد که در برخورد با چنین موقعیتی بیشتر افراد فرضیه اولیه ای (فرضیه صفر) را رد کرده و بیان می کنند که این سکه دارای درصدی خطا است. روش های آماری در برخورد با چنین مواردی به ما کمک می کنند تا به صورت دقیق تر بتوانیم تصمیم بگیریم که چقدر احتمال دارد نتیجه به دست آمده بر اساس شانس بوده باشد و سکه مورد نظر بدون خطا باشد. اگر احتمال آمدن هر یک از موارد شیر یا خط در هر پرتاب 0.5 باشد بر اساس قانون وقایع غیر مرتبط احتمال آمدن شیر در 10 پرتاب متوالی به صورت ضرب عدد 0.5 به تعداد 10 بار خواهد بود. عدد به دست آمده در این حالت کمتر از یک در هزار خواهد بود. در بررسی های علمی و نیز در مقالات چاپ شده در مجلات مختلف این احتمال با لفظ p value بیان می شود. به عنوان مثال بیان می شود p value< 0.001 . برای درک دقیق معنای p value مراحل زیر را در نظر بگیرید: 
در صورتی که یک سکه فاقد خطا باشد (یعنی احتمال به دست آمدن شیر یا خط در هر بار پرتاب برابر و عدد آن 0.5 باشد) و فردی آن را 10 بار پرتاب نماید احتمال به دست آمدن شیر در تمامی 10 پرتاب متوالی برابر عددی کمتر از 1 در هزار خواهد بود. این در حالی است که در صورتی که چنین پرتابی تکرار شود احتمال به دست آمدن10 شیر یا خط در هر سری از پرتابها برابر با حاصل ضرب این احتمالات خواهد بود که برابر با عددی نزدیک به دو در هزار خواهد بود. 
در انجام پژوهش ها برای رسیدن به پاسخ این سؤال که آیا فرضیه صفر رد خواهد شد یا نه معمولا حد و مرزهایی در نظر گرفته می شود. میزان این حدود به این موضوع وابسته است که پژوهشگر چقدر تمایل دارد فرضیه صفر را رد کرده یا بپذیرد. به عبارت دیگر محقق باید در نظر بگیرد که تا چه میزان می تواند این ریسک را بپذیرد که شانس باعث به وجود آمدن این اختلاف شده است. در حقیقت پژوهشگر باید حدودی را در نظر بگیرد که در صورتی که میزان خطای مطالعه بیش از آن مقدار بود نتوان این اختلاف را ناشی از شانس در نظر گرفت. در مثال مربوط به پرتاب سکه می‌توان به این صورت بیان کرد که در صورتی که بروز این پدیده به صورت شانسی در نظر گرفته شود که احتمال آن کمتر از یک در هزار باشد. 
در انجام مطالعات مختلف این حدود به عنوان p value در نظر گرفته می‌شود و مقدار آن برابر 0.05 خواهد بود. با در نظر گرفتن این مقدار نتایجی که در زیر این مقدار قرار میگیرند از نظر آماری معنی دار خواهند بود؛ یعنی به احتمال بسیار بالایی نتیجه به دست آمده ناشی از شانس نبوده و به این ترتیب پژوهشگر قادر خواهد بود فرضیه صفر را رد کند. 
در مطالعات مختلف زمانی که پژوهشگران دو روش درمانی را مورد مقایسه قرار می‌دهند این پرسش مطرح می‌شود که چقدر احتمال دارد نتایج ناشی از شانس باشد. به منظور پاسخ به این سؤال میزان p value کمتر از 0.05 در نظر گرفته می‌شود و به این معنی است که در صورتی که این مطالعه تکرار شود و نتیجه حاصل از آن در 5 بار یا کمتر از آن مشابه باشد می‌توان اثر شانس را در بروز آن رد کرد و بیان کرد که نتیجه به دست آمده به واقعیت نزدیک است. در صورتی که نتیجه به دست آمده با احتمالی بیش از این مقدار تکرار شودو p value مطالعه بیش از 0.05 باشد نمی توان فرضیه صفر را رد کرد و بیان کرد که دو روش درمانی مقایسه شده دارای تفاوت آماری معنادار هستند. 

منبع:http://www.farasa.net/elearning2/demo_content.php?cid=54&coid=2091&title=&content=p%20value

 


2 نظر

ساره
ساره   ۱۳۹۶/۰۴/۰۷ - ۰۱:۲۵:۴۱

مرسی از توضیحات

ساناز
ساناز  ۱۳۹۶/۱۱/۱۳ - ۱۶:۰۲:۱۹

خیلی ممنون بابت توضیحات خیلی خوب و ساده و روانتون.