Hvordan beregne P-verdi i Google Sheets

Hvordan beregne P-verdi i Google Sheets

De p-Verdien er et av de viktigste konseptene i statistikk. Når du jobber med forskningsprosjekter, er dette outputdataforskere ofte bruker for å finne den statistiske betydningen av to datasett.

Men hvordan beregner du p-Verdi i Google -regneark?

Denne artikkelen vil vise deg alt du trenger å vite om emnet. Mot slutten av artikkelen vil du kunne beregne P-verdien og sjekke resultatene dine enkelt.

Hva er p-Verdi?

De p-Verdien brukes til å bestemme om visse hypoteser er riktige eller ikke. I utgangspunktet vil forskere velge en verdi eller en rekke verdier som uttrykker det normale, forventede resultatet når data ikke er korrelert. Etter å ha beregnet p-Verdien av datasettene deres, de vil vite hvor nær de er for disse resultatene.

Konstanten som representerer de forventede resultatene kalles signifikansnivået. Selv om du kan velge dette nummeret basert på tidligere forskning, er det vanligvis satt til 0.05.

Hvis de beregnede p-Verdien er langt under signifikansnivået, da er de forventede resultatene statistisk signifikante. Jo lavere p-Verdi, jo mer sannsynlig er det at dataene dine uttrykker en slags korrelasjon.

Enkelt sammendrag

Hvis du er ny på googleark eller formler, vil vi bryte det ned, så det er lett å forstå.

Funksjoner er enkle formler som forteller Google Sheets hvilke data du vil trekke ut fra et sett med tall.

For å finne p-verdien (enten et sett med tall er statistisk signifikant), bruker vi t-test-funksjonen. Hvis utfallet er lavere enn .05, dataene er statistisk signifikante. Hvis det er høyere enn .05, vi trenger mer data.

For å unngå risikoen for å ende opp med falske resultater på grunn av mangelfulle beregninger, er det best å bruke verktøy som Google Sheets. Siden p-verdien er så betydelig, utviklerne har inkludert en funksjon som vil beregne den direkte. Følgende avsnitt viser deg hvordan du gjør det.

Slik legger du inn data i t-test-funksjonen og får resultatene:

  1. Klikk på boksen du vil legge inn formelen.
  2. Klikk Sett inn på toppen. Velg deretter Funksjon og Statistisk. Klikk deretter for å sette inn T.Testfunksjon.

Nå som du har satt inn t-testfunksjonen, er det slik å legge inn dataene:

Liste opp det første settet med kolonner og rader:

  • Skriv inn det første settet som kolonnummer + radnummer.
  • Inkluderer et komma etter det første settet.
  • Det skal se ut som A2: A7 for vårt eksempel.

Liste deretter det andre settet med kolonner og rader:

  • Skriv inn det andre settet som kolonnummer + radnummer.
  • Inkluderer et komma etter det andre settet.
  • I henhold til vårt eksempel ville det være B2: B7

Fortell Google om distribusjonshalene:

  • Tallet 1 betyr at du jobber med en distribusjonshale.
  • Tallet 2 betyr at du jobber med to distribusjonshaler.
  • Inkluderer et komma etter 1 eller 2.

Inngang 1, 2 eller 3 som det endelige tallet:

  • 1 er parametere for en sammenkoblet test.
  • 2 er for en lik to-prøve-test.
  • 3 er for en ulik test med to prøve.
  • Inkluderer et komma etter 1, 2 eller 3.

Nå som du forstår hvordan funksjonen fungerer, la oss se om datasettet ditt er større enn eller mindre enn 0.5.

Beregne p-Verdi i Google Sheets

Den beste måten å forklare dette på er gjennom et eksempel du kan følge. Hvis du allerede har et eksisterende bord, kan du bare bruke det du lærer av følgende opplæring.

Vi starter med å lage to sett med data. Etter det vil vi sammenligne de opprettede datasettene for å se om de har statistisk betydning.

La oss si at vi må undersøke data for en personlig trener. Den personlige treneren ga oss kundens tall angående deres pushup og pull-up progresjon, og vi har gått inn i Google-regneark.

Tabellen er veldig grunnleggende, men det vil tjene formålene med denne artikkelen.

For å sammenligne disse to datasettene, må vi bruke Google RECTSEARS T-TEST-funksjon.

Denne funksjonens syntaks ser slik ut: ttest (array1, array2, haler, type), men du kan også bruke syntaks t.Test (Array1, Array2, Tails, Type) - Begge refererer til den samme funksjonen.

Array1 er det første datasettet. I vårt tilfelle ville det være hele Pushups -kolonnen (bortsett fra kolonnenavnet, selvfølgelig).

Array2 er det andre datasettet, som er alt under pull-ups-kolonnen.

Haler representerer antall haler som brukes til distribusjonen. Du har bare to alternativer her:

1 - en -tailed distribusjon

2 - To -tailed distribusjon

Type representerer en heltallverdi som kan være 1 (sammenkoblet t-test), 2 (to-samplet lik varians t-test), eller 3 (to-prøve ulik varians t-test).

Vi vil følge disse trinnene for å jobbe gjennom eksemplet P-test:

  1. Nevn en kolonne som vi velger, ttest, og vis denne funksjonens resultater i kolonnen ved siden av.
  2. Klikk på den tomme kolonnen der du vil ha p-verdier som skal vises, og angi formelen du trenger.
  3. Skriv inn følgende formel: = TTEST (A2: A7, B2: B7,1,3). Som du kan se, betyr A2: A7 start- og sluttpunktet i vår første kolonne. Du kan ganske enkelt holde markøren på første stilling (A2) og dra den til bunnen av kolonnen din, og Google -regneark vil automatisk oppdatere formelen.
  4. Legg til et komma i formelen din og gjør det samme for den andre kolonnen også.
    Legg merke til at de fylte kolonnene nå er uthevet.
  5. Fyll ut halene og type argumenter (atskilt med komma), og trykk Enter.
    Merk: Se forrige seksjon for mer forklaring.

Resultatet ditt skal vises i kolonnen der du har skrevet formelen.

Vanlige feilmeldinger

Hvis du har gjort en feil som skriver TTEST -formelen din, har du sannsynligvis sett en av disse feilmeldingene:

  1. #N/a - vist hvis de to datasettene dine har forskjellige lengder.
  2. #Num - vises hvis det angitte haler ikke er lik 1 eller 2. Det kan også vises hvis typeargumentet ikke er lik 1, 2 eller 3.
  3. #VERDI! - vist hvis du har lagt inn ikke-numeriske verdier for haler eller type argumenter.

Beregning av data har aldri vært enklere med Google -regneark

Forhåpentligvis har du nå lagt til en annen Google -regnearkfunksjon til arsenal. Å lære om dette online verktøyets muligheter og funksjoner vil gjøre deg bedre til å analysere data, selv om du ikke er statistiker.

Har du en alternativ metode som du bruker for å beregne p-verdi? Fortell oss gjerne alt om det i kommentarene nedenfor.