(MirageC/Moment/Getty Images) En studies p-värde är sannolikheten att dina mätningar kan ske även om det inte finns något samband med variabeln du testar.
Mindre p-värden tyder på att dina observationer är en bra indikation på att de variabler som testas och mäts i ditt experiment är nära förbundna.
Större p-värden tyder på att dina resultat ser mer eller mindre ut som de du skulle få där det inte finns någon relation, vilket betyder att du inte kan vara säker på att det trots allt finns ett samband.
Vänta, va? Kan du förklara p-värde i enklare termer?
Experiment inom vetenskap jämför vanligtvis vissa egenskaper hos människor, föremål eller händelser för att förstå hur de kan vara relaterade.
Äter fet matfå dig att gå upp i vikt?Kan en viss drogminska symtomen på en sjukdom? Hur mycketkoffein är bra(eller dåligt) till dig? Vi kan anta att det finns ett samband, där en sak orsakar en annan.
Om vi tror att en av dessa saker påverkar den andra, kan vi kalla förhållandets natur för en hypotes. (Till exempel 'fet mat får dig att gå upp i vikt' är en hypotes.)
I verkligheten kanske det inte finns något som helst förhållande. Vi kallar detta en nollhypotes. ('Fet mat får dig inte att gå upp i vikt' är en nollhypotes.)
Det är omöjligt att veta vilken som verkligen är verksam i universum. Tyvärr finns det ingen Stor bok med svar du kan kika in. Det bästa någon kan göra är att mäta varje variabel och jämföra dem för att se om en ökning av den ena betyder en ökning (eller minskning) av den andra; vad vi kallar en korrelation.
Ett p-värde är ett sätt att statistiskt testa en möjlig korrelation. Det ger dig ett tal mellan noll och ett; ju närmare en den kommer, desto mindre säker bör du vara i din hypotes.
Stora p-värden betyder inte din nollhypotes är mer sannolikt sann; bara att din hypotes förmodligen inte förklarar dina observationer.
På samma sätt, ju närmare noll talet kommer, desto mindre sannolikt är det att du skulle få den typen av resultat om nollhypotesen verkligen fungerade. Det gör inte din hypotes sann heller, men det gör det till en mycket bättre insats.
När kan vi säga att vår hypotes är sann då?
Tekniskt sett finns det inget nummer som särskiljer vilken typ av hypotes som är helt korrekt.
Men enligt konventionen kan vi dra slutsatsen att alla p-värden högre än 0,05 betyder att nollhypotesen är alltför sannolikt att ignorera. Under 0,05 kan vi hålla med om att din hypotes förtjänar att tas på allvar och prövas igen.
Varje gång den testas och överlever, desto mer säkra kan vi vara på att vi är på rätt väg.
Varför är 0,05 signifikant?
Signifikansen av 0,05 är mer av en historiens olycka än en objektiv matematisk milstolpe.
En inflytelserik bok som heter Statistiska metoder för forskare , skriven av den brittiske statistikern Ronald Aylmer (R.A.) Fisher i början av 1900-talet, sammanfattade vissa tabeller med variabler och deras beräknade p-värden på ett sätt som delade upp dem. Fisher skulle senare hävda att cut-off på 0,05 var bekvämt 'som en gräns för att bedöma om en avvikelse borde anses vara betydande eller inte.'
Bekvämt som Fisher fann det,hävdar vissa forskarevi borde inte vara så lata med att anta det för allt som är vetenskapligt. Vissa sägervi borde lämna detoch omfamna en viss grad av osäkerhet.
Det finns ett motargument som hävdar att vi borde vara strängare, minska värdet till en ännu mindre siffra på 0,005 för att vara superduper säker på en hypotes.
Andravarna förvara så bråttom att ändra det överhuvudtaget, vilket innebär att vi kan förvänta oss att ett p-värde på 0,05 kommer att vara ett betydande antal inom vetenskapen ett tag framöver.
Alla Explainers bedöms av faktagranskare vara korrekta och relevanta vid publiceringstillfället. Text och bilder kan ändras, tas bort eller läggas till som ett redaktionellt beslut för att hålla informationen aktuell.