La signification statistique et les valeurs p

Lorsque vous traitez avec analyse de la clientèle en général, vous rencontrerez l'expression statistiquement significatif. Vous aurez également tomber sur quelque chose appelé un p-valeur. Il ya beaucoup emballé dans ce petit p et il ya des livres écrits sur le sujet. Voici ce que vous devez savoir.

En principe, un résultat statistiquement significatif (généralement une différence) est un résultat qui est pas attribuée au hasard. Plus techniquement, cela signifie que si l'hypothèse nulle est vraie (ce qui signifie qu'il n'y a vraiment pas de différence), il ya une faible probabilité d'obtenir un résultat qui grande ou plus grande.

Tenez compte de ces deux facteurs importants.

  • L'erreur d'échantillonnage. Il ya toujours une chance que les différences que nous observons lors de la mesure d'un échantillon de clients est simplement le résultat de la chance aléatoire Bruit hasard fluctuations-.

  • Probabilité- jamais de certitude. Statistiques est d'environ probabilité- vous ne pouvez pas acheter 100% de certitude. Statistiques sur la gestion des risques est. Pouvez-vous vivre avec une probabilité de 10 pour cent que votre décision est erronée? A 5 pour cent la probabilité? 33 pour cent? La réponse dépend du contexte:

    Qu'est-ce que ça coûte pour augmenter la probabilité de faire le bon choix, et ce qui est la conséquence (ou conséquence potentielle) de faire le mauvais choix? La plupart des publications suggèrent un seuil de 5% - il est correct de se laisser berner par hasard 1 fois sur 20. Voilà une raisonnablement élevé standard, et il peut correspondre à vos circonstances. Il pourrait tout aussi bien être exagéré, ou il pourrait vous exposer à beaucoup plus de risques que vous pouvez vous permettre.

La p-valeur est l'un des résultats d'un test statistique lors de la comparaison, disons, entre le taux de conversion dans un test d'une campagne de marketing par rapport à l'autre. La p-valeur signifie valeur de probabilité. La p-valeur est la probabilité d'obtenir la différence que vous voyez dans une comparaison d'un échantillon (ou une plus grande) si il est vraiment pas une différence pour tous les clients.

Quelques exemples de p-valeurs sont 0,012, 0,21, ou .0001- une valeur p de 0,012 indique que la différence observée ne serait perçu environ 1,2% du temps, si il n'y a vraiment pas de différence dans l'ensemble de la clientèle population.

Étant donné que ce pourcentage est assez faible, dans la plupart des cas, les chercheurs concluent que la différence observée est pas due au hasard et appellent statistiquement significative. Par convention, les revues et les statisticiens disent quelque chose est statistiquement significative si la p-valeur est inférieure à 0,05. Il n'y a rien de sacré 0,05, si-dans la recherche appliquée, la différence entre .04 et .06 est généralement négligeable.

La signification statistique ne signifie pas de signification pratique. Seulement en considérant le contexte pouvez-vous déterminer si une différence est pratiquement significative (qui est, si elle exige une action).