P-värde
Beräkna p-värde
Hej!
Jag behöver hjälp att beräkna aktuella p-värden.
varje kolumn (R5, R7 och R10) skall ha ett eget p-värde.
ett p-värde på 1 innebär 100% validering.
kolumnerna ser ut som följer:
vikterna för varje kolumn är som följer
(där a=R5, b=R7 och c=R10):
till stöd har jag en testmall där de aktuella p-värderna är kända:
och av denna testmall får vi ut följande p-värden:
så vad är då de aktuella p-värderna i den översta mallen?
Hur definieras p-värde?
ett p-värde på 1=full bekräftelse
så ju närmare 1 desto bättre
så vad skulle då p-värdet för de 3 "frågorna" vara i förhållande till den översta mallen?
(finns ju en testmall där värde, vikter och p-värde finns att tillgå)
Om man inte vet mer om "p-värde" än så så är det omöjligt att svara på frågan. Har du inte fått en stringent definition?
det jag har fått är ju en exempelmall. med de så borde man ju se hur exemplet ser ut och därmed kunna extrapolera det till den översta "skarpa" mallen?
Numeriska poäng aggregeras genom det matematiska medelvärdet av de kombinerade viktade medelvärdena komponentpoängen, och inte genom enkel kumulation, skalan för varje "fråga" är identisk med skalan för de aggregerade totala numeriska poängen (stormedelvärde).
P-värden för frågorna (R5, R7, R10) beräknas därför på samma sätt som p-värdet för den totala poängen. Standardiserade lognormala förhållanden är det slutliga resultatet av den matematiska transformationen och aggregeringen av mätningarna.
Transformationer börjar med beräkningen av R/C-medelförhållandet med hjälp av de genomsnittliga jämförelsevärdena inom varje komponent. det är nödvändigt att tillåta aggregering av data genom medelvärdesberäkning istället för kumulativa summor. Eftersom beräkningen av R/C-medelförhållanden skapar en asymmetrisk fördelning av möjliga datavärden, med lognormal fördelningsform, bestående av alla möjliga positiva reella tal med ett medelvärde av ett (1), är medelvärdesbildning inte lämplig utan någon initial transformation av data. Transformation av de asymmetriska R/C-medelförhållandena till deras naturliga logaritmer resulterar i asymmetrisk fördelning av positiva och negativa reella tal med ett medelvärde av noll som kan beräknas medelvärde utan att införa matematisk bias till data.
Lognormala värden är standardiserade per varje komponent, med hjälp av normativa data (medelvärden och standardavvikelser). Standardiserade lognormala medelvärden för R/C presenteras och komponentvärdena kombineras ytterligare genom ett viktat medelvärde för varje iteration av varje relevant stimulans med hjälp av komponentvikterna som anges i detaljavsnittet. Dessa viktade medelvärden kombineras sedan genom det matematiska medelvärdet av var och en av de relevanta stimulierna mellan de tre till fem testdiagrammen. Medelvärden för de två till fyra relevanta "frågorna" beräknas vidare för att uppnå ett stort medelvärde.
Förutom de standardiserade lognormala R/C-medelvärdena, visas också det matematiska medelvärdet av det viktade medelvärdet av de lognormala R/Cmean-förhållandena för var och en av teststimulansmålen, tillsammans med det stora medelvärdet för de kombinerade stimulusfrågorna.
Underlättar det i arbetet med att ta fram de aktuella p-värdena i relation till mallen given och med möjlighet att härleda efter den testmall (och dess resultat) som även finns bifogat?
Har du försökt tillämpa den beskrivningen på de givna data och se om du får samma p-värden som i exemplet?
Det är det jag behöver hjälp med, så utifrån detta så är in fråga vad de aktuella P-värdena är för de tre kolumnerna.
om de hjälper så har jag förstått att den skarpa kolumnen utgår från en normalfördelning.
jag kan även säg att värdena utgår från en standardavvikelse på 5% om det säger något.
