Pense se você tem dois amigos que estão discutindo sobre qual deles mora mais longe do trabalho / escola. Você se propõe a encerrar o debate e pede que medam até que ponto devem viajar entre casa e trabalho. Ambos reportam para você, mas um informa em milhas e o outro em quilômetros, portanto, você não pode comparar os dois números diretamente. Você pode converter as milhas em quilômetros ou os quilômetros em milhas e fazer a comparação; qual conversão você faz não importa; você tomará a mesma decisão de qualquer maneira.
É semelhante às estatísticas de teste, você não pode comparar seu valor alfa com a estatística F, você precisa converter alfa em um valor crítico e comparar a estatística F com o valor crítico ou você precisa converter sua estatística F em p -value e compare o valor-p com alfa.
Alfa é escolhida antes do tempo (os computadores costumam usar 0,05 se você não definir o contrário) e representa sua disposição de rejeitar falsamente a hipótese nula, se for verdadeira (erro tipo I). A estatística F é calculada a partir dos dados e representa quanto a variabilidade entre as médias excede a esperada devido ao acaso. Uma estatística F maior que o valor crítico é equivalente a um valor p menor que alfa e ambos significam que você rejeita a hipótese nula.
Não comparamos a estatística F a 1 porque ela pode ser maior que 1 devido apenas ao acaso; é somente quando é maior que o valor crítico que dizemos que é improvável que seja devido ao acaso e preferiria rejeitar o hipótese nula.
Nas aulas que ensino, descobri que os alunos que não são tão jovens quanto os outros e voltam à escola depois de trabalhar por um tempo costumam fazer as melhores perguntas e estão mais interessados no que realmente podem fazer com as respostas ( em vez de apenas se preocupar se estiver no teste), então não tenha medo de perguntar.
Esta resposta de @GregSnow é muito boa. Eu apenas pensei em apontar para a página da wikipedia que explica o valor-p - os primeiros parágrafos em particular - desde que entenda que parece ser um bugbear em particular. (Eu também ecoaria os comentários dele sobre os alunos mais velhos.)
Glen_b -Reinstate Monica
1
Veja também statdistributions.com/f . Em muitos exemplos, quando as duas variações usadas para calcular F são divididas para obter uma razão, obtém-se o tipo de distribuição mostrado - se nada além do acaso estiver operando. A questão é: quão improvável um F dado estaria sob tal suposição?
Rolando2
3
Em resumo, rejeite o nulo quando o valor de p for menor que o nível alfa. Você também deve rejeitar o nulo se o seu valor f crítico for menor que o seu valor F, também deve rejeitar a hipótese nula.O valor F sempre deve ser usado junto com o valor p para decidir se seus resultados são significativos o suficiente para rejeitar o nulo hipótese. Se você obtiver um valor f grande, significa que algo é significativo, enquanto um valor p pequeno significa que todos os seus resultados são significativos. A estatística F apenas compara o efeito conjunto de todas as variáveis. Simplificando, rejeite a hipótese nula apenas se o seu nível alfa for maior que o seu valor p.
Eu tinha lido o post que você recomendou, mas senti que havia um problema e ainda não entendi. Capturei seu conteúdo e anexei como uma imagem abaixo. Você poderia ajudar a explicar claramente?
Em resumo, rejeite o nulo quando o valor de p for menor que o nível alfa. Você também deve rejeitar o nulo se o seu valor f crítico for menor que o seu valor F, também deve rejeitar a hipótese nula.O valor F sempre deve ser usado junto com o valor p para decidir se seus resultados são significativos o suficiente para rejeitar o nulo hipótese. Se você obtiver um valor f grande, significa que algo é significativo, enquanto um valor p pequeno significa que todos os seus resultados são significativos. A estatística F apenas compara o efeito conjunto de todas as variáveis. Simplificando, rejeite a hipótese nula apenas se o seu nível alfa for maior que o seu valor p.
Fonte: http://www.statisticshowto.com/f-value-one-way-anova-reject-null-hypotheses/
fonte
Eu tinha lido o post que você recomendou, mas senti que havia um problema e ainda não entendi. Capturei seu conteúdo e anexei como uma imagem abaixo. Você poderia ajudar a explicar claramente?
fonte