புள்ளிவிவர முக்கியத்துவம்

ஒரு குறிப்பிட்ட ஆய்வு செயல்முறையைப் பயன்படுத்தி பெறப்பட்ட முடிவுகள் அழைக்கப்படுகின்றன புள்ளியியல் குறிப்பிடத்தக்கஅவர்களின் சீரற்ற தோற்றத்தின் நிகழ்தகவு மிகவும் சிறியதாக இருந்தால். இந்த கருத்து கயான் நாணயங்களின் உதாரணமாக விளக்கப்படலாம். நாணயம் 30 முறை எறிந்துவிட்டது என்று நினைக்கிறேன்; 17 முறை "கழுகு" மற்றும் 13 முறை "ரஸ்" என்று விழுந்தது. அப்படியா அர்த்தமுள்ளஎதிர்பார்ப்புகளிலிருந்து இந்த விளைவை மாற்றுதல் (15 ஈகிள் "மற்றும் 15 -" டிஷ்ஸ்கி "), அல்லது இந்த விலகல் தோராயமாக? இந்த கேள்விக்கு பதிலளிக்க, உதாரணமாக, நீங்கள் ஒரு வரிசையில் 30 முறை அதே நாணயத்தை பல முறை தூக்கி எறியலாம், அதே நேரத்தில் "Orlov" மற்றும் "siggers" என்ற விகிதங்கள் 17 க்கு சமமாக இருக்கும் என்பதை நினைவில் கொள்ளுங்கள்: 13. புள்ளிவிவர பகுப்பாய்வு இந்த கடினமான செயல்முறையிலிருந்து நம்மை விடுவிக்கிறது. அதன் உதவியுடன், நாணயத்தின் முதல் 30 கத்தரிக்காய்களுக்குப் பிறகு, 17 "orlov" மற்றும் 13 "siggers" சீரற்ற சொட்டுகளின் சாத்தியமான எண்ணிக்கையை மதிப்பீடு செய்ய முடியும். அத்தகைய மதிப்பீடு ஒரு நிகழ்தகவு அறிக்கை என்று அழைக்கப்படுகிறது.

தொழில்துறை நிறுவன உளவியல் பற்றிய அறிவியல் இலக்கியத்தில், கணித வடிவத்தில் ஒரு நிகழ்தகவு அறிக்கை வெளிப்பாடு மூலம் குறிப்பிடப்படுகிறது ஆர்(நிகழ்தகவு)< (менее) 0,05 (5 %), которое следует читать как «вероятность менее 5 %». В примере с киданием монеты это утверждение будет означать, что если исследователь проведет 100 опытов, каждый раз кидая монету по 30 раз, то он может ожидать случайного выпадения комбинации из 17 «орлов» и 13 «решек» менее, чем в 5 опытах. Этот результат будет сочтен статистически значимым, поскольку в индустриально-организационной психологии уже давно приняты стандарты статистической значимости 0,05 и 0,01 (ஆர்< 0.01). இலக்கியத்தைப் புரிந்துகொள்வதற்கு இது முக்கியம், ஆனால் இந்த தரநிலைகளை பூர்த்தி செய்யாத அவதானிப்புகளின் அர்த்தமற்ற தன்மையைப் பற்றி அவர் பேசுவதாக கருதப்படக்கூடாது. முக்கியத்துவம் வாய்ந்த ஆராய்ச்சி முடிவுகளை என அழைக்கப்படுவது (வாய்ப்புகளால் பெறக்கூடிய அவதானிப்புகள் மேலும்100-ல் ஒன்று அல்லது ஐந்து முறை 100) என்பது போக்குகளை அடையாளம் காண்பதற்கும் எதிர்கால ஆராய்ச்சிக்கான தலைமைகளாகவும் மிகவும் பயனுள்ளதாக இருக்கும்.

பாரம்பரிய தரநிலைகளையும் நடைமுறைகளையும் (உதாரணமாக, கோஹென், 1994; சவுல் & பெடியான், 1989) ஆகியவற்றை அனைத்து உளவியலாளர்களையும் ஒப்புக்கொள்வதில்லை என்பது குறிப்பிடப்பட வேண்டும். அளவீடுகள் தொடர்பான கேள்விகள் தங்களை உள்ளன முக்கிய தீம் அளவீட்டு முறைகள் மற்றும் முன்நிபந்தனைகளின் துல்லியத்தை படிக்கும் பல ஆராய்ச்சியாளர்கள், ஏற்கனவே இருக்கும் முறைகள் மற்றும் தரநிலைகளை அடக்குவதோடு, புதிய மருத்துவர்கள் மற்றும் கருவிகளையும் உருவாக்குகின்றனர். இந்த அதிகாரத்தில் ஆராய்ச்சியின் எதிர்காலத்தில் ஒருநாள் ஒரு புள்ளிவிவர முக்கியத்துவத்தை மதிப்பிடுவதற்கான பாரம்பரிய தரங்களில் மாற்றத்திற்கு வழிவகுக்கும், இந்த மாற்றங்கள் உலகளாவிய அங்கீகாரத்தை கைப்பற்றும். (அமெரிக்க உளவியல் சங்கத்தின் ஐந்தாவது கிளை, மதிப்பீடுகள், அளவீடுகள் மற்றும் புள்ளிவிவரங்களை கற்றல் நிபுணத்துவம் வாய்ந்த உளவியலாளர்களை ஒருங்கிணைக்கிறது.)

ஆராய்ச்சி அறிக்கைகள், Probabilistic அறிக்கையில், போன்ற ஆர்< 0.05, சில இணைக்கப்பட்டுள்ளது புள்ளிவிபரம்அதாவது, கணித கணக்கீட்டு நடைமுறைகளின் ஒரு குறிப்பிட்ட தொகுப்பின் விளைவாக பெறப்பட்ட எண். இந்த நோக்கத்திற்காக வெளியிடப்பட்ட சிறப்பு அட்டவணையில் இருந்து தரவுகளுடன் இந்த புள்ளிவிவரங்களை ஒப்பிடுவதன் மூலம் Probabilistic உறுதிப்படுத்தல் பெறப்படுகிறது. தொழில்துறை நிறுவனங்களில் உளவியல் ஆராய்ச்சி பெரும்பாலும் போன்ற புள்ளிவிவரங்களை சந்திப்போம் ஆர், எஃப், டி, ஆர்(வாசிக்க "ஹீ சதுக்கம்") மற்றும் ஆர்.(வாசிக்க "பல R ").ஒவ்வொரு வழக்கிலும், புள்ளிவிவரங்கள் (ஒரு எண்) ஒரு தொடர்ச்சியான கண்காணிப்புகளை பகுப்பாய்வு செய்வதன் விளைவாக பெற்றது, வெளியிடப்பட்ட அட்டவணையில் இருந்து எண்களுடன் ஒப்பிடலாம். அதற்குப் பிறகு, இந்த எண்ணின் சீரற்ற ரசீதின் சாத்தியக்கூறுகளில் ஒரு தெளிவான அறிக்கையை உருவாக்குவது சாத்தியமாகும், அதாவது, அவதானிப்புகள் முக்கியத்துவத்தை முடிக்க வேண்டும்.

இந்த புத்தகத்தில் விவரித்த ஆய்வுகள் புரிந்து கொள்ள, புள்ளிவிவர முக்கியத்துவம் பற்றிய ஒரு தெளிவான யோசனை போதுமானதாக உள்ளது, மேலும் மேலே குறிப்பிட்டுள்ள புள்ளிவிவரங்கள் எவ்வாறு கணக்கிடப்படுகின்றன என்பதைத் தெரியவில்லை. இருப்பினும், இந்த நடைமுறைகளை அடிப்படையாகக் கொண்ட ஒரு அனுமானத்தை விவாதிக்க இது பயனுள்ளதாக இருக்கும். இது அனைத்து அனுசரூபல்களும் சாதாரண சட்டத்தால் தோராயமாக விநியோகிக்கப்படும் என்ற கருத்தாகும். கூடுதலாக, தொழில்துறை மற்றும் நிறுவன உளவியல் ஆராய்ச்சிக்கான அறிக்கைகளை வாசிப்பதன் போது, \u200b\u200bமூன்று கருத்துக்கள் பெரும்பாலும் ஒரு முக்கிய பாத்திரத்தை வகிக்கின்றன - முதலில், தொடர்பு மற்றும் தொடர்பு, இரண்டாவதாக, நிர்ணயித்தல் / கணிப்பு மாறி மற்றும் "ANOVA" (சிதைவு பகுப்பாய்வு), - மூன்றாவது, ஒரு பொது பெயர் "மெட்டானலிசிஸ்" கீழ் புள்ளிவிவர முறைகள் குழு.

பணம் செயல்பாடு. புள்ளிவிவர முக்கியத்துவத்தின் செயல்பாடு சில கட்டண திட்டங்களில் மட்டுமே கிடைக்கிறது. அது இருந்தால் சரிபார்க்கவும்.

கணக்கெடுப்பில் கேள்விகளுக்கு பதிலளித்தவர்களிடமிருந்து பெறப்பட்ட பதில்களில் புள்ளிவிவரங்களில் குறிப்பிடத்தக்க வேறுபாடுகள் உள்ளதா என்பதை நீங்கள் காணலாம். SurveyMonkey உள்ள புள்ளிவிவர முக்கியத்துவத்தின் செயல்பாடு வேலை இது அவசியம்:

• உங்கள் கணக்கில் கேள்விக்கு ஒரு ஒப்பீடு விதி சேர்க்கும் போது புள்ளிவிவர முக்கியத்துவத்தை இயக்கு. காட்சி ஒப்பீட்டளவில் குழுக்களில் ஒரு கணக்கெடுப்பின் முடிவுகளை வரிசைப்படுத்த ஒப்பீட்டளிக்கும் குழுக்களைத் தேர்ந்தெடுக்கவும்.
• பதிலளித்தவர்களில் பல்வேறு குழுக்களிடமிருந்து பெற்ற பதில்களில் புள்ளிவிவரங்களில் குறிப்பிடத்தக்க வேறுபாடுகளின் இருப்பை அடையாளம் காண உங்கள் கணக்கெடுப்பு சிக்கல்களில் தரவுகளுடன் அட்டவணையை ஆராயுங்கள்.

புள்ளிவிவர முக்கியத்துவத்தை காண்க

கீழே உள்ள செயல்களைச் செய்த பிறகு, நீங்கள் ஒரு கணக்கெடுப்பு காண்பிக்கும் புள்ளிவிவர முக்கியத்துவம்.

1. கணக்கெடுப்புக்கு மூடிய-வகை கேள்விகளைச் சேர்க்கவும்.

முடிவுகளின் பகுப்பாய்வின் போது புள்ளிவிவர முக்கியத்துவத்தை காண்பிப்பதற்காக, உங்கள் கணக்கெடுப்பில் இருந்து எந்தவொரு கேள்வியுடனும் ஒப்பீட்டு விதியை நீங்கள் விண்ணப்பிக்க வேண்டும்.

ஒப்பீட்டு விதிமுறையைப் பயன்படுத்துங்கள் மற்றும் புள்ளிவிவரத்தில் புள்ளிவிவர முக்கியத்துவத்தை கணக்கிடுங்கள், கணக்கெடுப்பு திட்டத்தில் நீங்கள் பின்வரும் வகையான கேள்விகளில் ஒன்றைப் பயன்படுத்துகிறீர்கள்:

முன்மொழியப்பட்ட பதிலளிப்பு விருப்பங்கள் முழு நீளக் குழுக்களாக பிரிக்கப்படலாம் என்பதை உறுதி செய்ய வேண்டும். பதில் விருப்பங்கள் நீங்கள் ஒரு ஒப்பீடு விதி உருவாக்கும் போது ஒப்பிட்டு தேர்ந்தெடுக்கும் தேர்வு முழு கணக்கெடுப்பு உள்ள குறுக்கு அட்டவணையில் தரவு ஒழுங்கமைக்க பயன்படுத்தப்படும்.

2. பதில்களை சேகரிக்கவும்

வாக்குப்பதிவின் தொகுப்பை முடித்தபின், அதன் விநியோகத்திற்கான ஒரு சேகரிப்பாளரை உருவாக்கவும். பல வழிகள் உள்ளன.

நீங்கள் ஒவ்வொரு பதிலுக்கும் குறைந்தது 30 பதில்களை பெற வேண்டும், இது உங்கள் ஒப்பீடு விதிமுறைகளில் பயன்படுத்த திட்டமிட்டுள்ளதாக புள்ளிவிவர முக்கியத்துவத்தை செயல்படுத்த மற்றும் காண திட்டமிட திட்டமிடப்பட்டுள்ளது.

கணக்கெடுப்பு உதாரணம்

பெண்களை விட உங்கள் தயாரிப்புகளால் ஆண்கள் திருப்தி அடைந்ததா என்பதை நீங்கள் அறிய விரும்புகிறீர்கள்.

1. பல பதில் விருப்பங்களுடன் இரண்டு கேள்விகளைச் சேர்க்கவும்:
   உங்கள் பாலினம் என்ன? (ஆண் பெண்)
   எங்கள் தயாரிப்புடன் நீங்கள் திருப்தி அல்லது அதிருப்தி அடைந்திருக்கிறீர்களா? (திருப்திகரமாக (-nna), அதிருப்தி (-nna))
2. குறைந்தது 30 பதிலளித்தவர்கள் "ஆண்" பதில் விருப்பத்தை துறையில் பற்றி கேள்விக்கு "ஆண்" பதில் விருப்பத்தை தேர்வு செய்துள்ளனர், அதே போல் குறைந்தது 30 பதிலளித்தவர்களில் தங்கள் துறையில் "பெண்" விருப்பத்தை தேர்வு செய்தனர்.
3. கேள்விக்கு ஒரு ஒப்பீடு விதி சேர்க்க "உங்கள் தரையில் என்ன?" உங்கள் குழுக்களைப் போன்ற இரு பதில்களையும் தேர்ந்தெடுக்கவும்.
4. கேள்விக்கு கீழே உள்ள தரவு அட்டவணையைப் பயன்படுத்தவும் "எங்கள் தயாரிப்புடன் நீங்கள் திருப்தி அல்லது அதிருப்தி அடைந்திருக்கிறீர்களா?" ஏதாவது பதில் ஒரு புள்ளியியல் குறிப்பிடத்தக்க வேறுபாடு காட்டுகிறது என்றால் கண்டுபிடிக்க

புள்ளியியல் குறிப்பிடத்தக்க வேறுபாடு என்ன?

புள்ளிவிவர பகுப்பாய்வின் உதவியுடன், புள்ளிவிவர பகுப்பாய்வின் உதவியுடன், ஒரு குழுவினரின் பதில்களுக்கும், மற்றொரு குழுவின் பதில்களுக்கும் இடையே குறிப்பிடத்தக்க வேறுபாடுகளின் இருப்பு ஏற்படுகிறது என்பதாகும். புள்ளிவிவர முக்கியத்துவம் என்பது பெறப்பட்ட புள்ளிவிவரங்கள் நம்பத்தகுந்த வேறுபட்டவை என்று அர்த்தம். தரவை பகுப்பாய்வு செய்யும் போது இத்தகைய அறிவு உங்களுக்கு உதவுகிறது. ஆயினும்கூட, பெறப்பட்ட முடிவுகளின் முக்கியத்துவம் உங்களால் தீர்மானிக்கப்படுகின்றன. ஆய்வுகள் முடிவுகளை எப்படி விளக்குவது மற்றும் அவற்றில் என்ன நடவடிக்கைகள் எடுக்கப்பட வேண்டும் என்பதை நீங்கள் தீர்மானிக்கிறீர்கள்.

உதாரணமாக, ஆண் வாங்குவோர் விட பெண் வாங்குவோர் இருந்து இன்னும் கூற்றுக்கள் கிடைக்கும். அத்தகைய வேறுபாடு உண்மையானதா என்பதையும், இந்த விஷயத்தில் நடவடிக்கை எடுப்பாரா என்பதை தீர்மானிக்க எப்படி? ஒன்று சிறந்த வழிகள் உங்கள் கவனிப்புகளை சரிபார்க்கவும் உங்கள் பொருட்களும் ஆண் வாங்குவோருடன் திருப்தி அடைந்தால் உங்களுக்கு காண்பிக்கும் ஒரு ஆய்வு ஆகும். புள்ளிவிவர சூத்திரத்தின் உதவியுடன், எங்களால் முன்மொழிய புள்ளிவிவர முக்கியத்துவத்தின் செயல்பாடு உங்கள் தயாரிப்பு பெண்களை விட ஆண்கள் போன்றது என்பதை தீர்மானிக்க வாய்ப்பை வழங்கும். இது உண்மைகளை அடிப்படையாகக் கொண்டு செயல்பட அனுமதிக்கும், மற்றும் யூகிக்க வேண்டாம்.

புள்ளியியல் குறிப்பிடத்தக்க வேறுபாடு

நீங்கள் பெற்ற முடிவு தரவு அட்டவணையில் உயர்த்தி இருந்தால், இதன் பொருள் பதிலளித்தவர்களில் இரண்டு குழுக்கள் ஒருவருக்கொருவர் கணிசமாக வேறுபடுகின்றன. "கணிசமாக" என்ற வார்த்தை "குறிப்பிடத்தக்க வகையில்" பெறப்பட்ட புள்ளிவிவரங்கள் சில குறிப்பிட்ட முக்கியத்துவம் அல்லது அர்த்தத்தை கொண்டிருக்கின்றன என்று அர்த்தமல்ல, ஆனால் அவர்களுக்கு இடையே ஒரு புள்ளிவிவர வேறுபாடு உள்ளது என்ற உண்மை.

புள்ளியியல் குறிப்பிடத்தக்க வேறுபாடுகளின் பற்றாக்குறை

நீங்கள் பெற்ற முடிவுகளை பொருத்தமான தரவு அட்டவணையில் ஒதுக்கீடு செய்யாவிட்டால், இதன் விளைவாக இரண்டு ஒப்பீட்டு புள்ளிவிவரங்களில் சாத்தியமான வேறுபாடு இருந்தபோதிலும், அவர்களுக்கு இடையே புள்ளியியல் வேறுபாடு இல்லை.

புள்ளிவிவர ரீதியாக குறிப்பிடத்தக்க வேறுபாடுகளைப் பெறாத பதில்கள் மாதிரியின் அளவைக் கொண்ட இரண்டு ஒப்பிடக்கூடிய உறுப்புகளுக்கு இடையில் குறிப்பிடத்தக்க வேறுபாடு இல்லை என்பதை நிரூபிக்கின்றன, ஆனால் இது அவர்களுக்கு தேவையில்லை என்று அவசியமில்லை. ஒருவேளை மாதிரியின் அளவை அதிகரிப்பது, புள்ளிவிவர ரீதியாக குறிப்பிடத்தக்க வித்தியாசத்தை நீங்கள் அடையாளம் காணலாம்.

மாதிரி தொகுதி

நீங்கள் ஒரு மிக சிறிய மாதிரி தொகுதி இருந்தால், இரண்டு குழுக்களுக்கு இடையில் மிக பெரிய வேறுபாடுகள் குறிப்பிடத்தக்கவை. நீங்கள் ஒரு பெரிய மாதிரி அளவு இருந்தால், சிறிய மற்றும் பெரிய வேறுபாடுகள் இருவரும் குறிப்பிடத்தக்க வகையில் கணக்கில் எடுக்கப்படும்.

இருப்பினும், இரண்டு இலக்கங்கள் புள்ளிவிவர ரீதியாக வேறுபட்டிருந்தால், இதற்கு இடையேயான வேறுபாடு உங்களுக்கான நடைமுறை மதிப்பைக் கொண்டிருப்பதாக அர்த்தமல்ல. உங்கள் கணக்கில் வேறுபாடுகள் குறிப்பிடத்தக்கவை என்பதை நீங்கள் தீர்மானிக்க வேண்டும்.

புள்ளிவிவர முக்கியத்துவம் கணக்கீடு

95% நம்பிக்கையின் தரநிலையைப் பயன்படுத்தி புள்ளிவிவர முக்கியத்துவத்தை நாங்கள் கணக்கிடுகிறோம். பதில் புள்ளிவிவரமாக குறிப்பிடப்பட்டிருந்தால், விபத்து காரணமாக அல்லது மாதிரி பிழை காரணமாக மட்டுமே அதாவது, இரண்டு குழுக்களுக்கிடையிலான வேறுபாடு 5% க்கும் குறைவான ஒரு நிகழ்தகவுடன் நிகழ்கிறது (அடிக்கடி தோன்றுகிறது: பி<0,05).

குழுக்களுக்கு இடையில் புள்ளியியல் குறிப்பிடத்தக்க வேறுபாடுகளை கணக்கிட, பின்வரும் சூத்திரங்களைப் பயன்படுத்துகிறோம்:

அளவுரு	விளக்கம்
a1.	இந்த குழுவின் மாதிரி அளவு பெருக்கிய ஒரு குறிப்பிட்ட வழியில் கேள்விக்கு பதிலளித்த முதல் குழுவிலிருந்து பங்கேற்பாளர்களின் பங்கு.
b1.	இரண்டாவது குழுவிலிருந்து பங்கேற்பாளர்களின் பங்கு, இந்த குழுவின் மாதிரி அளவு பெருக்கப்பட்ட ஒரு குறிப்பிட்ட வழியில் கேள்விக்கு பதில்.
ஒருங்கிணைந்த மாதிரி (ப)	இரு குழுக்களிடமிருந்து இரண்டு பின்னங்களையும் கலவையாகும்.
நிலையான பிழை (SE)	உண்மையான பங்கிலிருந்து உங்கள் பங்கு எவ்வளவு வேறுபட்ட ஒரு காட்டி. ஒரு சிறிய அர்த்தம் விகிதம் உண்மையான விகிதத்தில் நெருங்கியதாக இருப்பதால், பங்கு உண்மையான பங்கிலிருந்து பங்கு கணிசமாக வேறுபட்டது.
சோதனை புள்ளிவிவர காட்டி (t)	புள்ளிவிவர காட்டி சோதனை. நியமச்சாய்வின் மதிப்புகளின் எண்ணிக்கை, இந்த மதிப்பு சராசரி மதிப்பிலிருந்து வேறுபடுகின்றது.
புள்ளிவிவர முக்கியத்துவம்	சோதனை புள்ளிவிவரக் காட்டின் முழுமையான மதிப்பு 1.96 * சராசரி மதிப்பிலிருந்து நிலையான மாறுபாடுகளை மீறுகிறது என்றால், இது புள்ளியியல் ரீதியாக குறிப்பிடத்தக்க வேறுபாடுகளாக கருதப்படுகிறது.

* 1.96 என்பது 95% நம்பிக்கை மட்டத்திற்கு பயன்படுத்தப்படும் மதிப்பு, சராசரியாக மதிப்பீட்டில் 1.96 நியமச்சாய்வில் உள்ள மாணவர்களின் டி-விநியோகத்தால் செயல்படுத்தப்பட்டுள்ள வரம்பில் 95% ஆகும்.

கணக்கீடுகளின் உதாரணம்

மேலே பயன்படுத்தப்படும் உதாரணத்தை தொடர்கிறது, ஆண்கள் சதவிகிதம் உண்மையில் உங்கள் தயாரிப்புடன் திருப்தி என்று அறிவிக்கிறதா என்பதைக் கண்டுபிடிப்போம், பெண்களின் சதவிகிதத்தைவிட அதிகமாகும்.

1000 ஆண்கள் மற்றும் 1,000 பெண்கள் உங்கள் கணக்கில் பங்கேற்றதாக கருதுகின்றனர், மேலும் கணக்கெடுப்பு விளைவாக 70% ஆண்கள் மற்றும் 65% பெண்கள் உங்கள் பண்டத்தில் திருப்தி என்று வாதிடுகின்றனர் என்று மாறியது. 65% விகிதத்தை விட 70% கணிசமாக அதிகமாக உள்ளதா?

முன்மொழியப்பட்ட சூத்திரங்களில் கணக்கெடுப்பு இருந்து பின்வரும் தரவை சமர்ப்பிக்கவும்:

• p1 (ஆண்கள்%, தயாரிப்பு திருப்தி) \u003d 0.7
• p2 (பெண்களின்%, தயாரிப்பு திருப்தி) \u003d 0.65
• n1 (கணக்கெடுப்பு எண்ணிக்கை) \u003d 1000.
• n2 (பெண்களின் எண்ணிக்கை) \u003d 1000.

சோதனை புள்ளிவிவர காட்டி முழுமையான மதிப்பு 1.96 க்கும் அதிகமாக உள்ளது என்பதால், இது ஆண்கள் மற்றும் பெண்களுக்கு இடையிலான வேறுபாடு குறிப்பிடத்தக்கது என்பதாகும். பெண்களுக்கு ஒப்பிடும்போது, \u200b\u200bநிகழ்தகவுகளின் அதிக பங்கைக் கொண்ட ஆண்கள் உங்கள் தயாரிப்புடன் திருப்தி அடைவார்கள்.

புள்ளிவிவர முக்கியத்துவத்தை மறைத்து

அனைத்து கேள்விகளுக்கும் புள்ளிவிவர முக்கியத்துவத்தை மறைக்க எப்படி

1. இடது பக்க பக்கத்தின் ஒப்பீட்டு விதியின் வலதுபுறத்தில் "டவுன்" அம்புக்குறியை அழுத்தவும்.
2. தேர்ந்தெடு ஆட்சியைத் திருத்தவும்.
3. செயல்பாடு அணைக்க புள்ளிவிவர முக்கியத்துவத்தை காட்டு சுவிட்ச் பயன்படுத்தி.
4. பொத்தானை அழுத்தவும் பொருந்தும்.

ஒரு கேள்விக்கு புள்ளிவிவர முக்கியத்துவத்தை மறைக்க, அது அவசியம்:

1. பொத்தானை அழுத்தவும் இசைக்கு இந்த பிரச்சினையின் வரைபடத்தின் மேலே.
2. திறந்த தாவலை காட்சி அளவுருக்கள்.
3. உருப்படியை எதிர் சரிபார்க்கவும் புள்ளிவிவர முக்கியத்துவம்.
4. பொத்தானை அழுத்தவும் சேமிக்க.

புள்ளிவிவர முக்கியத்துவம் காட்டப்படும் போது காட்சி அளவுருவை தானாகவே செயல்படுத்தப்படுகிறது. காட்சி பெட்டியை நீங்கள் தேர்ந்தெடுத்தால், புள்ளிவிவர முக்கியத்துவத்தின் காட்சி முடக்கப்படும்.

உங்கள் கணக்கில் ஒரு ஒப்பீடு விதி சேர்க்கும் போது புள்ளிவிவர முக்கியத்துவம் சேர்க்கவும். பதிலளித்தவர்களில் பல்வேறு குழுக்களிடமிருந்து பெற்ற பதில்களில் புள்ளிவிவரங்களில் குறிப்பிடத்தக்க வேறுபாடுகளின் இருப்பை அடையாளம் காண உங்கள் கணக்கெடுப்பு சிக்கல்களில் தரவுகளுடன் அட்டவணையை பரிசோதிக்கவும்.

புள்ளிவிவரங்களில் முக்கியத்துவம் வாய்ந்த நிலை என்பது தரவுகளின் பெறப்பட்ட (திட்டமிடப்பட்ட தரவு) சத்தியத்தின் துல்லியத்தன்மையின் துல்லியத்தன்மையின் அளவைப் பிரதிபலிக்கும் ஒரு முக்கியமான காட்டி ஆகும். இந்த கருத்து பல்வேறு துறைகளில் பரவலாக பயன்படுத்தப்படுகிறது: சமூகவியல் ஆராய்ச்சிகளில் இருந்து, விஞ்ஞான கருதுகோள்களின் புள்ளிவிவர பரிசோதனைகளுக்கு.

வரையறை

புள்ளிவிவர முக்கியத்துவத்தின் நிலை (அல்லது புள்ளியியல் குறிப்பிடத்தக்க விளைவாக) நிலை, ஆய்வின் கீழ் படிப்படியாக ஏற்பட்டுள்ளது என்பதைக் காட்டுகிறது. நிகழ்வு பொது புள்ளிவிவர முக்கியத்துவம் R- மதிப்பு குணகம் (P- நிலை) மூலம் வெளிப்படுத்தப்படுகிறது. எந்த சோதனை அல்லது கவனிப்பில், மாதிரிகள் பிழைகள் காரணமாக உருவான தரவு ஒரு வாய்ப்பு உள்ளது. இது சமூகவியல் மிகவும் உண்மை.

அதாவது, புள்ளியியல் ரீதியாக குறிப்பிடத்தக்கது, தற்செயலான நிகழ்வுகளின் நிகழ்தகவு மிகவும் சிறியதாக உள்ளது அல்லது உச்சநிலைகளைத் தேடுகிறது. இந்த சூழலில் தீவிரமானது பூஜ்ஜிய-கருதுகோழ்வில் இருந்து புள்ளிவிவரங்களின் விலகல் பட்டம் எனக் கருதப்படுகிறது (கருதுகோள், பெறப்பட்ட மாதிரி தரவுடன் கூடிய நிலைத்தன்மைக்கு சோதிக்கப்படும்). விஞ்ஞான நடைமுறையில், தரவுகளை சேகரிப்பதற்கு முன், முக்கியத்துவத்தின் நிலை தேர்வு செய்யப்படுகிறது, ஒரு விதியாக, அதன் குணகம் 0.05 (5%) ஆகும். துல்லியமான மதிப்புகள் மிகவும் முக்கியம் வாய்ந்த அமைப்புகளுக்கு, இந்த காட்டி 0.01 (1%) மற்றும் குறைவாக இருக்கலாம்.

கேள்வியின் வரலாறு

1925 ஆம் ஆண்டில் பிரிட்டிஷ் புள்ளிவிவர புள்ளிவிவரங்கள் மற்றும் மரபணு ரொனால்ட் ஃபிஷர் ஆகியவற்றால் பிரிட்டிஷ் புள்ளிவிவர புள்ளிவிவரங்கள் மற்றும் மரபணு ரொனால்ட் ஃபிஷர் அறிமுகப்படுத்தப்பட்டது. ஒரு செயல்முறையை பகுப்பாய்வு செய்யும் போது, \u200b\u200bஅந்த அல்லது பிற நிகழ்வுகளின் ஒரு சாத்தியக்கூறுகள் உள்ளன. சிக்கல்களின் சிறிய (அல்லது வெளிப்படையான) சதவிகிதம் வேலை செய்யும் போது சிரமங்கள் எழுகின்றன, "அளவீட்டு பிழை" என்ற கருத்துக்கு உட்பட்டது.

புள்ளிவிவரத் தரவுடன் பணிபுரியும் போது, \u200b\u200bஅவற்றை சரிபார்க்க போதுமானதாக இல்லை, விஞ்ஞானிகள் பூஜ்ய கருதுகோளின் சிக்கலை எதிர்கொண்டனர், இது சிறிய மதிப்புகளுடன் செயல்பட "தடுக்கிறது". 5% (0.05) நிகழ்வுகளின் சாத்தியக்கூறுகளை தீர்மானிக்க இத்தகைய அமைப்புகளுக்கு ஃபிஷர் முன்மொழியப்பட்டது, இது ஒரு வசதியான தேர்ந்தெடுக்கப்பட்ட துண்டுகளாக, கணக்கீடுகளின் போது பூஜ்ய-கருதுகோளை திசைதிருப்ப அனுமதிக்கிறது.

ஒரு நிலையான குணகம் அறிமுகம்

1933 ஆம் ஆண்டில், விஞ்ஞானிகள் நெர்சி நமேன் மற்றும் எகான் பியர்சன் முன்கூட்டியே பரிந்துரைக்கப்பட வேண்டும் (தரவு சேகரிப்புக்கு முன்) பரிந்துரைக்கப்படுகிறது. இந்த விதிகளைப் பயன்படுத்துவதற்கான எடுத்துக்காட்டுகள் தேர்தலில் தெளிவாகத் தெரியும். இரண்டு வேட்பாளர்கள் உள்ளன என்று நினைக்கிறேன், இதில் ஒன்று மிகவும் பிரபலமாக உள்ளது, மற்றும் இரண்டாவது சிறிய அறியப்படுகிறது. வெளிப்படையாக, முதல் வேட்பாளர் தேர்தல் வெற்றி பெறும், மற்றும் இரண்டாவது வாய்ப்புகளை பூஜ்யம் முனைகின்றன. அவர்கள் போராடுகிறார்கள் - ஆனால் சமமாக இல்லை: ஃபோர்ஸ் மஜ்ஜை, பரபரப்பான தகவல்கள், எதிர்பாராத தீர்வுகள் எதிர்பாராத தீர்வுகளை மாற்றியமைக்கலாம்.

Neumann மற்றும் பியர்ஸன், மீனவர் (குறியீட்டு α குறிக்கோள்) முன்மொழியப்பட்ட முக்கியத்துவம் அளவு மிகவும் வசதியாக உள்ளது என்று ஒப்புக் கொண்டது. இருப்பினும், 1956 ஆம் ஆண்டில் ஃபிஷர் தன்னை இந்த மதிப்பின் நிலைப்பாட்டை எதிர்த்தார். குறிப்பிட்ட சூழ்நிலைகளுக்கு இணங்க நிலை α நிறுவப்பட வேண்டும் என்று அவர் நம்பினார். உதாரணமாக, துகள் இயற்பியலில், அது 0.01 ஆகும்.

பி-நிலை மதிப்பு

1960 ஆம் ஆண்டில் பிரௌனியின் படைப்புகளில் முதலில் R- மதிப்பு முதலில் பயன்படுத்தப்பட்டது. P- நிலை (பி-மதிப்பு) என்பது முடிவுகளின் உண்மையைப் பொறுத்து ஒரு குறிக்கோளாகும். மிக உயர்ந்த R- மதிப்பு குணகம் மாறிகள் இடையே உறவு பிரிப்பதில் மிகச்சிறிய நம்பிக்கையை ஒத்துள்ளது.

இந்த மதிப்பு முடிவுகளின் விளக்கத்துடன் தொடர்புடைய பிழைகளின் நிகழ்தகவை பிரதிபலிக்கிறது. P- நிலை \u003d 0.05 (1/20) என்று நினைக்கிறேன். மாறிகள் இடையே உள்ள மாதிரியில் காணப்படும் இணைப்பு மாதிரியின் ஒரு சீரற்ற அம்சமாகும், இது ஒரு ஐந்து சதவிகித வாய்ப்பைக் காட்டுகிறது. அதாவது, இந்த சார்பு இல்லாவிட்டால், பல இதே போன்ற சோதனைகள் சராசரியாக, ஒவ்வொரு இருபதாம் படிப்பிலும், மாறிகள் இடையேயான அதே அல்லது அதிகமான சார்புகளை எதிர்பார்க்கலாம். பெரும்பாலும் P- நிலை பிழைகள் ஒரு "அனுமதி எல்லை" அளவு கருதப்படுகிறது.

மூலம், P- மதிப்பு மாறிகள் இடையே உண்மையான உறவை பிரதிபலிக்க முடியாது, ஆனால் அனுமானங்களுக்குள் ஒரு குறிப்பிட்ட அர்த்தத்தை மட்டுமே காட்டுகிறது. குறிப்பாக, இறுதி தரவு பகுப்பாய்வு இந்த குணகத்தின் தேர்ந்தெடுக்கப்பட்ட மதிப்புகளை சார்ந்து இருக்கும். P-Level \u003d 0.05 இல் சில முடிவுகள் இருக்கும், மற்றும் 0.01, மற்றவர்களுக்கு சமமான ஒரு குணகம் இருக்கும்.

புள்ளியியல் கருதுகோள்களைச் சரிபார்க்கவும்

புள்ளிவிவரங்கள் நீட்டிக்கப்பட்ட போது புள்ளிவிவர முக்கியத்துவத்தின் நிலை குறிப்பாக முக்கியமானது. உதாரணமாக, இரு பக்க சோதனைகளை கணக்கிடுகையில், நிராகரிப்பு பகுதி சமப்படுத்தப்பட்ட விநியோகமாக பிரிக்கப்பட்டுள்ளது (பூஜ்ஜிய ஒருங்கிணைப்புடன் தொடர்புடையது) மற்றும் பெறப்பட்ட தரவின் உண்மையை கணக்கிடப்படுகிறது.

ஒரு குறிப்பிட்ட செயல்முறை (நிகழ்வுகள்) கண்காணிக்கும் போது, \u200b\u200bபுதிய புள்ளிவிவர தகவல் முந்தைய மதிப்புகள் பற்றிய சிறிய மாற்றங்களைக் குறிக்கிறது என்று அது மாறியது. அதே நேரத்தில், முடிவுகளில் முரண்பாடுகள் சிறியவை, வெளிப்படையானவை அல்ல, ஆனால் ஆராய்ச்சிக்கான முக்கியம். ஒரு நிபுணர் முன், ஒரு குழப்பம் எழுகிறது: மாற்றங்கள் உண்மையில் ஏற்படும் அல்லது இந்த மாதிரி பிழைகள் (அளவீட்டு சீர்குலேசி)?

இந்த வழக்கில், அது பூஜ்ய கருதுகோளை நிராகரிக்க பயன்படுகிறது (அவர்கள் பிழைகளை எல்லாம் எழுதுகிறார்கள் அல்லது கணினியில் மாற்றத்தை ஒரு நிரம்பிய உண்மையாக அங்கீகரிக்கிறார்கள்). சிக்கலைத் தீர்ப்பதற்கான செயல்முறை பொது புள்ளிவிவர முக்கியத்துவத்தின் (பி-மதிப்பு) மற்றும் முக்கியத்துவத்தின் அளவு (α) ஆகியவற்றின் விகிதத்தை அடிப்படையாகக் கொண்டது. P- நிலை என்றால்< α, значит, нулевую гипотезу отвергают. Чем меньше р-value, тем более значимой является тестовая статистика.

பயன்படுத்தப்படும் மதிப்புகள்

முக்கியத்துவத்தின் நிலை பகுப்பாய்வு செய்யப்பட்ட பொருளைப் பொறுத்தது. நடைமுறையில், பின்வரும் நிலையான மதிப்புகள் பயன்படுத்தப்படுகின்றன:

• α \u003d 0.1 (அல்லது 10%);
• α \u003d 0.05 (அல்லது 5%);
• α \u003d 0.01 (அல்லது 1%);
• α \u003d 0.001 (அல்லது 0.1%).

மிகவும் துல்லியமான கணக்கீடுகள் தேவைப்படுகின்றன, சிறிய குணகம் α பயன்படுத்தப்படுகிறது. இயற்கையாகவே, இயற்பியல், வேதியியல், மருந்துகள், மரபியல் ஆகியவற்றில் உள்ள புள்ளிவிவர கணிப்புக்கள் அரசியல் விஞ்ஞானத்தை விட அதிக துல்லியம் தேவைப்படுகின்றன.

குறிப்பிட்ட பகுதிகளில் முக்கியத்துவத்தின் நுழைவாயில்கள்

துகள் இயற்பியல் மற்றும் உற்பத்தி நடவடிக்கைகள் போன்ற உயர்-துல்லியமான பகுதிகளில், புள்ளிவிவர முக்கியத்துவம் பெரும்பாலும் நிகழ்தகவுகளின் (காஸ் விநியோகம்) சாதாரண விநியோகத்துடன் தொடர்புடைய நியமச்சாய்வின் (சிக்மா குணகம் மூலம் குறிக்கப்படுகிறது - σ) என்ற விகிதமாக வெளிப்படுத்தப்படுகிறது. σ கணித எதிர்பார்ப்புகளுக்கு தொடர்புடைய சில மதிப்புகளின் சிதறல் நிர்ணயிக்கும் ஒரு புள்ளிவிவர காட்டி ஆகும். நிகழ்வுகளின் நிகழ்தகவுகளின் வரைபடங்களை தொகுக்க பயன்படுத்தப்பட்டது.

அறிவு பகுதியில் பொறுத்து, குணகம் σ பெரிதும் மாறுபடும். உதாரணமாக, ஒரு Higgs Boson இருப்பதை கணிக்கும் போது, \u200b\u200bஅளவுரு σ (σ \u003d 5) சமமாக உள்ளது, இது P- மதிப்பு \u003d 1 / 3.5 மில்லியன் மதிப்பை ஒத்துள்ளது. மரபணுக்களை படிக்கும் போது, \u200b\u200bமுக்கியத்துவம் அளவு இருக்க முடியும் 5 × 10 -8, இந்த பகுதிகளில் அரிதாக இல்லை.

திறன்

இது குணகம் α மற்றும் பி-மதிப்பு துல்லியமான பண்புகளல்ல என்பதை மனதில் கொள்ள வேண்டும். விசாரணை செய்யப்பட்ட நிகழ்வின் புள்ளிவிவரங்களில் முக்கியத்துவம் வாய்ந்த நிலை என்னவென்றால், கருதுகோள்களின் தத்தெடுப்புக்கு நிபந்தனையற்ற அடிப்படையில் அல்ல. உதாரணமாக, சிறிய மதிப்பு α, கருதுகோள் நிறுவியதாக நிறுவப்பட்ட வாய்ப்பு குறிப்பிடத்தக்க வாய்ப்பு. இருப்பினும், தவறாக ஒரு ஆபத்து உள்ளது, இது ஆய்வின் புள்ளிவிவர அதிகாரத்தை (முக்கியத்துவம்) குறைக்கிறது.

புள்ளிவிவர முக்கியத்துவம் வாய்ந்த முடிவுகளில் மட்டுமே திசை திருப்பப்பட்ட ஆராய்ச்சியாளர்கள் தவறான முடிவுகளை பெறலாம். அதே நேரத்தில், தங்கள் வேலையை இருமுறை சரிபார்க்க கடினமாக உள்ளது, அவர்கள் அனுமானங்களுக்கு விண்ணப்பிக்கும்போது (இது உண்மையில் α மற்றும் P- மதிப்பின் மதிப்புகள் ஆகும்). எனவே, அது எப்போதும் பரிந்துரைக்கப்படுகிறது, புள்ளிவிவர முக்கியத்துவத்தை கணக்கிடுவதன் மூலம், மற்றொரு காட்டி தீர்மானிக்க - புள்ளிவிவர விளைவு மதிப்பு. விளைவு அளவு விளைவு விளைவு ஒரு அளவு அளவீடு ஆகும்.

மிக சமீபத்தில், விளாடிமிர் Davydov ஒரு / பி- அல்லது MVT சோதனை பற்றி ஒரு பதவியை எழுதினார், இது நிறைய சிக்கல்களை ஏற்படுத்தியது.

பொதுவாக, ஒரு / b-அல்லது mvt சோதனை தளங்களில் மிகவும் சிக்கலானது. "லேண்டிங் ஆர்டர்கள்" என்றாலும் அது அடிப்படை என்று தெரிகிறது, ஏனெனில் "esuable, சிறப்பு திட்டங்கள் உள்ளன, GYH."

வலை உள்ளடக்கத்தை சோதிக்க முடிவு செய்தால், நினைவில் கொள்ளுங்கள்:

1. முதலில் நீங்கள் சமமான, சமமான, கூற்று பார்வையாளர்களை தனிமைப்படுத்த வேண்டும். ஒரு / ஒரு சோதனைகள் நடத்த. ஒரு ஸ்ட்ரீம் அல்லது அனுபவமற்ற இணைய விளம்பரதாரர்களிடம் உள்ள நிறுவனங்களை நடத்தும் பெரும்பான்மையான சோதனைகள் உண்மை இல்லை. வேறுபட்ட பார்வையாளர்களிடம் உள்ளடக்கங்கள் பரிசோதிக்கப்படுவதால் இது காரணம்.

2. ஒரு சில மாதங்களுக்குள் டஜன் கணக்கான அல்லது சிறந்த நூற்றுக்கணக்கான சோதனைகள் நடத்துகின்றன. ஒரு வாரம் 2-3 பக்கம் பதிப்பு அதை மதிப்புள்ளதாக இல்லை.

3. நீங்கள் சோதிக்க முடியும் மற்றும் MVT வடிவத்தில் (என்று பல விருப்பங்கள்), மற்றும் ஒரு மற்றும் பி அல்ல என்று நினைவில்.

4. புள்ளிவிவரங்கள் டெஸ்ட் முடிவுகளுடன் தரவு வரிசை பகுப்பாய்வு (எக்செல் முற்றிலும் சரி, நீங்கள் SPSS ஐப் பயன்படுத்தலாம்). பிழையின் கட்டமைப்பிற்குள் முடிவடைகிறது, எவ்வளவு அவர்கள் திசைதிருப்புகிறார்கள், எவ்வளவு நேரம் நேரம் சார்ந்து இருக்கிறார்கள். உதாரணமாக, முதல் பத்தியின் ஒரு / A- சோதனையில், நீங்கள் ஒரு விருப்பத்தின் வலுவான விலகல்களைப் பெற்றீர்கள் - இது ஒரு தோல்வி ஆகும், இது சோதிக்க இயலாது.

5. ஒரு வரிசையில் எல்லாவற்றையும் சோதிக்க வேண்டாம். இது பொழுதுபோக்கு அல்ல (நீங்கள் உண்மையில் செய்ய எதுவும் இல்லை). மார்க்கெட்டிங் மற்றும் வணிக பகுப்பாய்வு ஆகியவற்றின் பார்வையில் இருந்து மட்டுமே குறிப்பிடத்தக்க முடிவுகளுக்கு வழிவகுக்கும் என்பதை சோதிக்க இது அர்த்தப்படுத்துகிறது. மேலும், உண்மையில் என்ன அளவிட முடியும் விளைவு. உதாரணமாக, நீங்கள் தளத்தில் எழுத்துரு அளவு அதிகரிக்க முடிவு, வாரங்கள் ஒரு பெரிய எழுத்துரு ஒரு பக்கம் ஒரு ஜோடி சோதனை - விற்பனை அதிகரித்துள்ளது. அது என்ன சொல்கிறது? அதனால் நான் எதுவும் செய்யவில்லை (முந்தைய உருப்படிகளைப் பார்க்கவும்).

6. நீங்கள் முழு பாதையை சோதிக்க வேண்டும். அதாவது, கொள்முதல் பக்கத்தை எடுத்துச் செல்ல மற்றும் சோதிக்க போதுமானதாக இல்லை (அல்லது தளத்தில் சில செயல்கள்) - இந்த இறுதி மாற்ற பக்கம் வரை தொகுக்க அந்த பக்கங்களையும் படிகளையும் சோதிக்க வேண்டும்.

கருத்துக்கள் கேள்வியைக் கேட்டன:

"ஒரு வெற்றியாளரை எவ்வாறு நிறுவுவது? எனவே நாம் "நெற்றியில்" விற்பனை செய்யும் பக்கத்தின் தலைப்பை சோதித்தோம். ஞானத்தை அங்கீகரிக்க ஒரு மற்றும் பி இடையே மாற்றம் என்ன வித்தியாசம்? "

விளாடிமிர் பதில்:

முதலாவதாக, நீங்கள் நீண்ட கால தனிமைப்படுத்தப்பட்ட சோதனைகள் (எந்த புள்ளிவிவர மதிப்பீட்டின் அடிப்படை விதி) நடத்த வேண்டும். இரண்டாவதாக, எல்லாம் தவிர்க்க முடியாமல் புள்ளிவிவரங்கள் மற்றும் கணிதத்திற்கு கீழே வரும் (எனவே, எக்செல் மற்றும் ஸ்பைஸ் அல்லது இலவசமாக பரிந்துரைக்கிறேன்), ஏதாவது அர்த்தங்களின் மதிப்புகளின் வித்தியாசத்தை நாம் கருத்தில் கொள்ள வேண்டும். ஒரு நல்ல கட்டுரை (பல ஒன்று) உள்ளது. உகந்த சோதனைகள் படி GA இலிருந்து பரிவர்த்தனைகள் உள்ளனhttps://www.distilled.net/uploads/ga_transactions.png. , பரிவர்த்தனைகளை ஒப்பிட்டு (கொள்முதல்) ஒரு வழக்கமான பெல் ஒதுக்கீடு மற்றும் கண்காணிப்புடன் ஒப்பிடுகையில், பிழையின் நம்பக இடைவெளியின் கட்டமைப்பில் சராசரியாக மதிப்பு உள்ளதுhttps://www.distilled.net/uploads/t-test_tool.png.

எங்களிடமிருந்து ஒரு வாய்ப்பைப் பெற விரும்புகிறீர்களா?

ஒத்துழைப்பு தொடங்கவும்

மாற்றத்தை மேம்படுத்துகையில் புள்ளிவிவர முக்கியத்துவம் வாய்ந்த பங்கு: 6 விஷயங்களை நீங்கள் தெரிந்து கொள்ள வேண்டும்

1. சரியாக என்ன அர்த்தம்

"மாற்றம் 90% ஒரு நம்பகத்தன்மை நிகழ்தகவுடன் 20 சதவிகிதம் மாற்றத்தை அதிகரிப்பதற்கு மாற்றத்தை சாத்தியமாக்கியது." துரதிருஷ்டவசமாக, இந்த அறிக்கை இன்னொரு சமமானதாக இல்லை, இதேபோன்ற ஒன்றுக்கு சமமானதாக இல்லை: "20% மாற்றத்தை அதிகரிப்பதற்கான வாய்ப்புகள் 90% ஆகும்." எனவே உண்மையில் புள்ளி என்ன?

20% மாதிரிகள் ஒன்றில் சோதனைகள் முடிவுகளின் படி நாங்கள் பதிவு செய்த அதிகரிப்பு ஆகும். நாம் கற்பனை செய்யத் தொடங்கியிருந்தால், யூகங்களை உருவாக்கத் தொடங்கியிருந்தால், இந்த வளர்ச்சியை தொடர்ந்து வைக்கலாம் என்று நாங்கள் தெரிவிப்போம் - முடிவிலிக்கு சோதனை தொடர்ந்து இருந்தால். ஆனால் இது ஒரு நிகழ்தகவு ஒரு நிகழ்தகவு ஒரு இருபத்தி சதவிகிதம் மாற்றம் அல்லது "குறைந்தது" 20% அல்லது "தோராயமாக" 20% இல் அதிகரிக்கும் என்று அர்த்தம் இல்லை.

90% மாற்றத்தில் ஏதேனும் மாற்றங்களின் வெளிப்பாட்டின் நிகழ்தகவு ஆகும். வேறு வார்த்தைகளில் கூறுவதானால், இந்த முடிவைப் பெற பத்து ஏ / பி சோதனைகளை செலவழித்தால், பத்து பத்து முடிவிலாவை செலவிட முடிவு செய்தால், அவற்றில் ஒன்று (மாற்றங்களின் நிகழ்தகவு 90% ஆகும், பின்னர் 10% ஒரு நிலையான விளைவுக்கு 10% ஆகும்) , ஒருவேளை அது ஆரம்பகால மாற்றத்திற்கு "சோதனைக்குப் பிறகு" முடிவின் அணுகுமுறையுடன் முடிவடையும் - அதாவது மாற்றம் இல்லாமல். மீதமுள்ள ஒன்பது சோதனைகளில் இருந்து, சிலர் வளர்ச்சியைக் காட்டலாம், இது 20% க்கும் குறைவாக உள்ளது. மற்ற முடிவுகளில் இந்த பட்டியை விட அதிகமாக இருக்கலாம்.

இந்த தரவை விளக்குவது தவறானதாக இருந்தால், நாங்கள் மிகவும் ஆபத்து, "ரோலிங்" சோதனை. சோதனை 95% ஒரு நம்பகத்தன்மை நிகழ்தகவுடன் மாற்றத்தின் உயர் வளர்ச்சி விகிதங்களைக் காட்டும்போது சோதனை புதுப்பிப்பது எளிது, ஆனால் சோதனை ஒரு தர்க்கரீதியான முடிவுக்கு வரவில்லை என்றாலும் புத்திசாலி அதிகமாக எதிர்பார்க்கப்படாது.

2. எப்போது பயன்படுத்த வேண்டும்

மிகவும் வெளிப்படையான வேட்பாளர்கள் "ஏ / பி" என்று பிரிந்துள்ளனர், ஆனால் அவர்கள் ஒரே ஒரு தொலைவில் உள்ளனர். பிரிவுகளுக்கு இடையில் புள்ளிவிவர ரீதியாக குறிப்பிடத்தக்க வித்தியாசத்தை நீங்கள் சோதிக்கலாம் (உதாரணமாக, வழக்கமான மற்றும் ஊதியம் தேடல் வழியாக வருகை) அல்லது தற்காலிக இடைவெளிகள் (உதாரணமாக, ஏப்ரல் 2013 மற்றும் ஏப்ரல் 2014).

இருப்பினும், இந்த தொடர்பு ஒரு காரணமான உறவை அர்த்தப்படுத்துவதில்லை என்று குறிப்பிடுவது மதிப்பு. பிளவு சோதனைகளை நடத்தி, பக்கங்கள் வேறுபடுகட்ட அந்த உறுப்புகளின் முடிவுகளுக்கு எந்த மாற்றங்களுக்கும் எந்தவிதமான மாற்றங்களுக்கும் காரணம் என்று நாங்கள் அறிவோம் - எல்லாவற்றிற்கும் மேலாக, சிறப்பு கவனம் பக்கத்தின் மீதமுள்ள பக்கத்திற்கு முற்றிலும் ஒத்ததாக இருக்கும். உதாரணமாக, சாதாரண தேடலிலிருந்து இரவில் பல வருகைகளாக இருக்கலாம், மற்றும் இரவில் பார்வையாளர்களிடையே மாற்றுவது மிகவும் அதிகமாக இருக்கும். அத்தகைய குழுக்களை நீங்கள் அத்தகைய குழுக்களை ஒப்பிட்டுப் பார்க்கிறீர்கள் என்றால், மாற்றங்கள் ஒரு காரணம் இல்லையா என்பதை நிறுவுவதற்கு கணிசமாக உதவுகிறது, ஆனால் அது சரியாக என்னவென்று அவர்கள் சொல்ல முடியாது.

3. மாற்றம் குறிகாட்டிகள், தோல்விகள் மற்றும் வெளியீடுகளுக்கு மாற்றங்களை எவ்வாறு சோதிக்க வேண்டும் (வெளியேறும் விகிதம்)

நாம் "குறிகாட்டிகள்" பார்க்கும் போது, \u200b\u200bஉண்மையில் பைனரி மாறிகள் சராசரியாக மதிப்புகள் பார்க்க - யாரோ இலக்கு நடவடிக்கைகள் பூர்த்தி அல்லது இல்லை. 40% ஒரு மாற்று விகிதத்தில் 10 பேர் ஒரு மாதிரி இருந்தால், உண்மையில் நாம் இதேபோன்ற அட்டவணையைப் பார்க்கிறோம்:

புள்ளிவிவர முக்கியத்துவத்தின் முக்கிய கூறுபாடு - சராசரி விலகல் கணக்கிட சராசரியாக காட்டி எங்களுக்கு இந்த அட்டவணை எங்களுக்கு தேவைப்படும். எனினும், அட்டவணையில் உள்ள ஒவ்வொரு மதிப்பும் பூஜ்ஜிய அல்லது அலகு எங்களுக்கு ஒரு பணியை உருவாக்குகிறது - ஒரு / பி சோதனைகள் நம்பகத்தன்மையைக் கணக்கிடுவதற்கு கால்குலேட்டரைப் பயன்படுத்துவதன் மூலம் எண்களின் ஒரு பெரிய பட்டியலை நகலெடுக்க வேண்டிய அவசியமில்லை சராசரி மற்றும் அளவுகள் மாதிரிகள் பற்றிய அறிவிலிருந்து வெளியே. இது Kissmetrics இலிருந்து ஒரு கருவியாகும்.

(முக்கியமானது! கணக்கில் இந்த கருவி கணக்கில் நிகழ்தகவு விநியோகத்தின் "பெல்" ஒரு பக்கத்தை மட்டுமே கணக்கில் எடுத்துக்கொள்கிறது. இரு பக்கங்களிலும் பயன்படுத்தவும், இருதரப்பு முக்கியத்துவத்தின் விளைவுகளை மொழிபெயர்க்கவும், 100% இலிருந்து தூரத்தை இரட்டிப்பாக்க வேண்டும் - உதாரணமாக, ஒரு 95% இருதரப்பு 90% ஆகிறது).

விளக்கம் "சோதனை கருவி சோதனை சோதனை சோதனை சோதனை ஒரு / b சோதனைகள்" அடங்கும் என்ற போதிலும், இது குறிகாட்டிகளின் வேறு எந்த ஒப்பிடுவதற்கும் பயன்படுத்தப்படலாம் - தோல்வி அல்லது வெளியீடுகளுக்கு மாற்றத்தை மாற்றவும். கூடுதலாக, பகுதிகள் அல்லது நேர இடைவெளிகளை ஒப்பிடுவதற்கு இது பயன்படுத்தப்படலாம் - கணக்கீடுகள் ஒரே மாதிரியாக இருக்கும்.

மேலும், அது பன்முகத்தன்மை சோதனை (MVT) மிகவும் பொருத்தமானது - தனித்தனியாக ஒவ்வொரு மாற்றத்தையும் ஒப்பிடுக.

4. சராசரி காசோலை மாற்றங்களை எவ்வாறு சோதிக்க வேண்டும்

Unfulfilled மாறிகள் சராசரி மதிப்பை சோதிக்க, நாம் ஒரு முழுமையான தரவு தேவை, எனவே எல்லாம் இங்கே சிக்கலானது. உதாரணமாக, நாம் Split சோதனை A / B க்கான பொருட்களின் சராசரி அளவுகளில் குறிப்பிடத்தக்க வேறுபாடுகள் உள்ளதா என்பதை உறுதிப்படுத்த வேண்டும் - இந்த தருணமானது மாற்றியமைக்கப்படும் போது இந்த தருணமானது, இது வியாபார குறிகாட்டிகளுக்கு முக்கியமாக இருப்பினும், இது வணிக குறிகாட்டிகளுக்கு முக்கியம் .

நாம் தேவைப்படும் முதல் விஷயம் Google Analytics இலிருந்து பெற வேண்டும் ஒவ்வொரு சோதனை பதிப்பிற்கும் ஒரு முழுமையான பட்டியலைப் பெற வேண்டும் - A மற்றும் B (இது ஆனது). செய்ய எளிய வழி உங்கள் பிளவு சோதனை விருப்ப மாறிகள் அடிப்படையில் விருப்ப மாறிகள் உருவாக்க, பின்னர் எக்செல் அட்டவணை ஒரு பரிவர்த்தனை அறிக்கை ஏற்றுமதி. அனைத்து பரிவர்த்தனைகளும் அனைத்து பரிவர்த்தனைகளையும் உள்ளடக்கியவை என்பதை உறுதிப்படுத்தவும், முன்னிருப்பாக குறிப்பிடப்பட்ட 10 சரங்களை மட்டும் அல்ல.

நீங்கள் இரண்டு பரிமாற்றங்களின் பட்டியலைக் கொண்டிருக்கும்போது, \u200b\u200bஅவை இதேபோன்ற கருவிக்கு நகலெடுக்கப்படலாம்:

மேலே குறிப்பிடப்பட்ட வழக்கில், 95% தேர்ந்தெடுக்கப்பட்ட மட்டத்தில் எங்களுக்கு ஒரு நம்பிக்கை நிகழ்தகவு இல்லை. உண்மையில், நாம் குறிச்சொல் "பி" மேலே உள்ள "பி" ஐப் பார்த்தால், 0.63 ஐ கொண்டிருக்கும், அது 50% முக்கியத்துவத்தை நாம் கொண்டிருக்கவில்லை என்று தெளிவாகிவிடும் - பக்கங்கள் குறிகாட்டிகளுக்கு இடையேயான வேறுபாடு 63% ஒரு வாய்ப்பு உள்ளது ஒரு தூய விபத்து.

5. பிளவு சோதனையின் தேவையான காலத்தை எவ்வாறு கணிக்க வேண்டும்

Evanmiller.org இல் மாற்றத்தை மேம்படுத்துவதற்கான மற்றொரு வசதியான கருவி - மாதிரி அளவு கால்குலேட்டர்.

இந்த கருவி "நம்பகமான சோதனை முடிவுகளை எடுப்பதற்கு எவ்வளவு நேரம் எடுக்கும்?" என்ற கேள்விக்கு பதில் அளிக்க அனுமதிக்கிறது, மேலும் இந்த பதில் யூகிக்க முயற்சிக்கக்கூடாது.

இது ஒரு சில நிமிடங்கள் குறிப்பிடத்தக்கது. முதல், கருவி ஒரு "முழுமையான / உறவினர்" சுவிட்ச் உள்ளது - நீங்கள் அடிப்படை மாற்று விகிதம் இடையே வேறுபாடு கண்டுபிடிக்க வேண்டும் என்றால் 5% மற்றும் 6% மாற்று விகிதம் இடையே வேறுபாடு கண்டுபிடிக்க வேண்டும் என்றால், அது முழுமையான வகையில் 1% ஆகும் (6-5 \u003d 1) அல்லது 20% உறவினர் சொற்களில் (6/5 \u003d 1.2). இரண்டாவதாக, பக்கத்தின் கீழே உள்ள இரண்டு "ரன்னர்ஸ்" உள்ளன. உங்கள் இலக்கை 95% இல் முக்கியத்துவம் பெற வேண்டும் என்றால், குறைந்தது முக்கியத்துவம் வாய்ந்ததாக இருந்தால், ஸ்லைடர் 5% ஆக அமைக்கப்பட வேண்டும். மேல் ரன்னர் பக்கத்திற்கு தேவையான வருகைகளின் எண்ணிக்கை போதுமானதாக இருக்கும் என்று காட்டுகிறது - உதாரணமாக, நீங்கள் 95% ஒரு முக்கியத்துவத்தை கண்டறிய ஒரு எண்பத்தி சதவிகித வாய்ப்பு அடைய தேவையான வருகைகளின் எண்ணிக்கையை தெரிந்து கொள்ள விரும்பினால், மேல் அமைக்கவும் ரன்னர் 80%, மற்றும் கீழே 5% ஆகும்.

6. நீங்கள் என்ன செய்ய வேண்டும்

பிளப்பு சோதனை unseruitability அடையாளம் சில எளிய வழிகள் உள்ளன, எனினும், முதல் பார்வையில் எப்போதும் வெளிப்படையாக இல்லை:

A) அல்லாத தனியார் சட்ட மதிப்புகள் ஸ்பிளிட் சோதனை

உதாரணமாக, கண்ணாடிகள் "ஆரம்ப" மற்றும் "மாற்றம் பிறகு" பார்வையாளர்கள் சில பொருட்கள் வாங்க வேண்டும் என்று நிகழ்தகவு ஒரு குறிப்பிடத்தக்க வேறுபாடு இருந்தால் உங்கள் குறிக்கோள் கண்டுபிடிக்க வேண்டும். நீங்கள் மார்ச் மூன்று தயாரிப்புகள் "1", "2" மற்றும் "3", பின்னர் மாவை துறையில் இந்த மதிப்புகளை உள்ளிடவும். துரதிருஷ்டவசமாக, இந்த அணுகுமுறை வேலை செய்யாது - தயாரிப்பு 2 1 மற்றும் 3 தயாரிப்புகளின் சராசரி மதிப்பு அல்ல.

B) போக்குவரத்து விநியோக அமைப்புகள்

சோதனை ஆரம்பத்தில், நீங்கள் போக்குவரத்து 90/10 விநியோகம் ஆபத்து மற்றும் வெளிப்படுத்த முடியாது என்று முடிவு. சிறிது நேரம் கழித்து, மாற்றம் மாற்றத்தில் குறிப்பிடத்தக்க மாற்றங்களுக்கு வழிவகுத்ததாக இல்லை, மற்றும் 50/50 மதிப்புக்கு ஸ்லைடரை நகர்த்தவும். ஆனால் பார்வையாளர்கள் மீண்டும் தங்கள் அசல் குழுவைச் சேர்ந்தவர்கள், எனவே நீங்கள் "மாற்றுவதற்கு" பதிப்பில் உள்ள ஒரு சூழ்நிலையில், திரும்பப் பெறப்பட்ட பார்வையாளர்களின் ஒரு பெரிய பகுதியினால் வகைப்படுத்தப்படுகிறீர்கள். எல்லாம் மிகவும் சிக்கலானது, நிராகரிக்கப்படக்கூடிய தரவை பெற ஒரே எளிய வழி, தனித்தனியாக புதிய மற்றும் திரும்பப் பார்வையாளர்களை கருத்தில் கொள்ள வேண்டும். இருப்பினும், இந்த விஷயத்தில், குறிப்பிடத்தக்க முடிவுகளைப் பெற அதிக நேரம் அதிக நேரம் எடுக்கும். மற்றும் இரண்டு துணை குழுக்கள் குறிப்பிடத்தக்க முடிவுகளை காட்டிலும், அவற்றில் ஒன்று உண்மையில் மீண்டும் மீண்டும் பார்வையாளர்களை உருவாக்கியிருந்தால்? பொதுவாக, நீங்கள் இதை செய்ய தேவையில்லை மற்றும் சோதனை போது போக்குவரத்து விநியோகம் மாற்ற.

கேட்ச் திட்டமிடல்

இது வெளிப்படையாக தெரிகிறது, ஆனால் நீங்கள் அதே நேரத்தில் சேகரிக்கப்பட்ட தரவு ஒப்பிட்டு, நாள் போது சேகரிக்கப்பட்ட தரவு அல்லது நாள் மற்றொரு நேரத்தில். நாள் ஒரு குறிப்பிட்ட நேரத்திற்கு ஒரு சோதனை செலவழிக்க விரும்பினால், உங்களுக்கு இரண்டு விருப்பங்கள் உள்ளன.

1. பகுப்பாய்வு பார்வையாளர்களின் கோரிக்கைகளை செயலாக்க, எப்பொழுதும், நாள் முழுவதும், ஆனால் நீங்கள் ஆர்வமாக இல்லாத நாளின் போது பக்கத்தின் அசல் பதிப்பை காண்பிக்க வேண்டும்.

2. ஆப்பிள்களுடன் ஆப்பிள்களை ஒப்பிடுக - நாளின் முதல் பாதியில் மாற்றங்களின் அடிப்படையில் தரவுகளை மட்டுமே நீங்கள் கருத்தில் கொண்டால், நாளின் முதல் பாதியில் ஆரம்ப தரவுகளுடன் ஒப்பிடலாம்.

நான் முன்கூட்டியே இருந்து ஏதாவது உங்கள் மாற்றத்தை மேம்படுத்த பயனுள்ளதாக இருக்கும் என்று நம்புகிறேன். உங்களிடம் சொந்தமான தெரிந்திருந்தால், தயவுசெய்து தயவுசெய்து கருத்துக்களில் அவற்றை அமைக்கவும்.

மருத்துவம் புள்ளிவிவர முறைகள் பயன்பாட்டின் ஒரு பொதுவான உதாரணத்தை கவனியுங்கள். மருந்து படைப்பாளிகள் தத்தெடுக்கப்பட்ட டோஸ் விகிதாசார விகிதத்தை அதிகரிக்கிறது என்று பரிந்துரைக்கின்றன. இந்த அனுமானத்தை சரிபார்க்க, அவர்கள் மருந்துகளின் வெவ்வேறு அளவுகளில் ஐந்து தொண்டர்கள் பரிந்துரைக்கப்படுகிறார்கள்.

அவதானிப்புகள் முடிவுகளின் படி, டோஸ் டையஸ் சர்க்யூட் ஒரு வரைபடம் கட்டப்பட்டது (படம் 1.2a). நம்பகமான கண்ணுக்குத் தெரியும். ஆராய்ச்சியாளர்கள் ஒருவருக்கொருவர் கண்டுபிடித்து, உலகம் ஒரு புதிய டையூரிடிக் உடன் உள்ளது.

உண்மையில், தரவு டோஸ் இருந்து டயஸ் சர்க்யூட் சார்பின்மை இந்த ஐந்து தொண்டர்கள் காணப்பட்டது என்று உறுதிப்படுத்த அனுமதிக்க அனுமதிக்க. இந்த சார்பற்ற மருந்து மருந்துகளை எடுக்கும் எல்லா மக்களிடமும் தங்களை வெளிப்படுத்துவார்கள் - விட வேறு ஒன்றும் இல்லை
zY.

இருந்து

. இல்லையெனில், ஏன் சோதனைகள் வைக்க வேண்டும் என்று சொல்ல முடியாது.

ஆனால் மருந்து விற்பனைக்கு சென்றது. மேலும் மக்கள் தங்கள் தையல்ஸை அதிகரிக்க நம்பிக்கையுடன் இருப்பார்கள். நாம் என்ன பார்க்கிறோம்? நாம் படம் 1.2b ஐக் காண்கிறோம், இது மருந்து மற்றும் தியானம் ஆகியவற்றிற்கு இடையேயான எந்தவொரு உறவையும் இல்லாததைக் குறிக்கிறது. கருப்பு வட்டங்கள் ஆரம்ப ஆராய்ச்சியின் தரவை குறித்தது. புள்ளிவிவரங்கள் அத்தகைய ஒரு "இடைவிடாத" பெறும் சாத்தியக்கூறுகளை மதிப்பிடுவதற்கு அனுமதிக்கும் முறைகள் உள்ளன, மேலும் மாதிரியை குழப்பிவிடுகின்றன. இது டைகூரன்ஸ் மற்றும் மருந்துகளின் டோஸ் இடையேயான தொடர்பு இல்லாத நிலையில் மாறிவிடும், இதன் விளைவாக "சார்பு" என்பது 1000 சோதனைகளில் சுமார் 5 இல் காணப்படும். எனவே, இந்த வழக்கில், ஆராய்ச்சியாளர்கள் வெறுமனே அதிர்ஷ்டசாலி அல்ல. அவர்கள் மிகவும் மேம்பட்ட புள்ளிவிவர முறைகள் கூட பயன்படுத்தினால், அது இன்னும் ஒரு பிழை இருந்து அவர்களை காப்பாற்ற முடியாது.

இந்த கற்பனையானது, ஆனால் உண்மையில் ஒரு உதாரணம் அல்ல, நாம் சுட்டிக்காட்டவில்லை
புள்ளிவிவரங்கள். அவர் மற்றவர்களைப் பற்றி பேசுகிறார், அவளுடைய முடிவுகளின் நிகழ்தகவைப் பற்றி பேசுகிறார். புள்ளிவிவர முறையின் பயன்பாட்டின் விளைவாக, நாம் கடந்த நிகழ்வில் உண்மையைப் பெறவில்லை, ஆனால் ஒன்று அல்லது மற்றொரு ஊகத்தின் சாத்தியக்கூறுகளின் மதிப்பீடு மட்டுமே. கூடுதலாக, ஒவ்வொரு புள்ளிவிவர முறை அதன் சொந்த கணித மாதிரியை அடிப்படையாகக் கொண்டது மற்றும் அதன் முடிவுகளை இந்த மாதிரியானது உண்மைக்கு ஒத்ததாக இருக்கும்.

நம்பகத்தன்மை மற்றும் புள்ளிவிவர முக்கியத்துவத்தின் தலைப்பில் கூட:

1. வாழ்க்கையின் தரத்தில் புள்ளியியல் ரீதியாக குறிப்பிடத்தக்க வேறுபாடுகள்
2. புள்ளிவிவர மொத்த. கணக்குகள். திட மற்றும் தேர்ந்தெடுக்கப்பட்ட ஆய்வுகள் கருத்து. புள்ளிவிவர மொத்தத்திற்கான தேவைகள் மற்றும் கணக்கியல் ஆவணங்கள் பயன்படுத்துதல்
3. கட்டுரை. Eyelids2018, 2018 மூலம் உள்ளுணர்வு அழுத்தம் அளவிட சான்றிதழ் சாட்சியத்தின் நம்பகத்தன்மை விசாரணை விசாரணை