При уровне значимости 0.05 получено p-value = 0.04. Какое решение соответствует стандартному правилу проверки гипотез?
AОтвергнуть нулевую гипотезу, потому что
p-value меньше уровня значимости и данные считаются несовместимыми с нейBПринять нулевую гипотезу, потому что
p-value близко к 0.05 и эффект на практике слишком слабый для решенияCУвеличить уровень значимости до 0.1, чтобы наверняка не пропустить эффект и подстраховаться от ошибки второго рода
DНе принимать решение, пока неизвестна вероятность ошибки второго рода, иначе нельзя интерпретировать результат теста
Правильный ответ. Классическое правило: если
p-value меньше уровня значимости, нулевую гипотезу отвергают.Разбор
Уровень значимости задаётся заранее как допустимая вероятность ошибки I рода. Если p-value меньше этого порога, данные считаются достаточно несовместимыми с нулевой гипотезой и её отвергают. Менять порог «под результат» нельзя — это раздувает риск ложных находок. Знание мощности (вероятности обнаружить эффект) полезно для планирования, но не требуется для самого правила решения.
Проверь себя · 1/3разбор после ответа
Два эксперимента имеют одинаковый размер выборки и одинаковый средний эффект, но во втором дисперсия метрики выше. Что обычно происходит с мощностью во втором эксперименте?
Ещё вопросы по теме «Основы проверки гипотез»
- В A/B тесте вы сравниваете конверсию между вариантами A и B. Какая формулировка `H0`/`H1` корректна для двусторонней проверки отличий?
- Как корректно интерпретировать значение `p-value` = 0.03 в проверке статистических гипотез?
- Что означает выбор уровня значимости `alpha` = 0.01 в терминах ошибки I рода?
- Что обозначает параметр `beta` в проверке гипотез?
- Как связаны мощность теста `power` и вероятность ошибки II рода `beta`?
- Все вопросы по «Основы проверки гипотез» →