¿Cómo calcular el valor P de un puntaje T en R?

Para aceptar o rechazar una muestra que le proporciona su empresa o alguien, o simplemente para examinar los datos, se calcula el valor p. Después de calcular el valor p, comparamos el valor p con el nivel de significación (α), es decir, 0,05 o 0,01 según la empresa. Y si el valor p calculado es menor que el nivel de significación, podemos rechazar la muestra; de lo contrario, podemos aceptar la muestra.

R tiene una función simple que, cuando se llama con los parámetros apropiados, produce el resultado deseado.

Sintaxis: pt(q, df, lower.tail = TRUE)

Parámetros:

• q: puntuación t
• df: grados de libertad (n-1)
• cola inferior: si el valor es VERDADERO, vamos a calcular la probabilidad a la izquierda de q, que se denomina prueba de cola izquierda; de lo contrario, la probabilidad a la derecha de q es FALSO. Lo que se llama prueba de cola derecha.

Acercarse:

• Definir todos los valores requeridos para pasar a la función
• Calcule el valor p usando t-score, df y la función
• Compare el valor p con el nivel de significación.
• Imprimir resultado

Prueba de cola izquierda:

Una prueba de hipótesis donde la región de rechazo se encuentra en el extremo izquierdo de la distribución. Si la hipótesis alternativa (Ha) contiene menos que la desigualdad, entonces es una prueba de cola izquierda. Tomemos un ejemplo tomando el puntaje t como -1.549 y df como 14.

Ejemplo:

# Finding the p-value.
p_value=pt(q=-1.549, df=14, lower.tail = TRUE)
 
p_value

Producción:

0.07184313

El valor p resultante es mayor que el nivel de significancia 0,05 y también es mayor que el nivel de significancia 0,1. Por lo tanto, podemos concluir que podemos aceptar la muestra (hipótesis nula) en el nivel de significación α = 0.05 y en el nivel de significancia α = 0.01.

Prueba de cola derecha:

Una prueba de hipótesis donde la región de rechazo se encuentra en el extremo derecho de la distribución. Si la hipótesis alternativa contiene una desigualdad mayor que entonces es una prueba de cola izquierda. Tomemos un ejemplo tomando el puntaje t como 1.87 y df como 24.

Ejemplo:

# Finding the p-value
p_value=pt(q=1.87, df=24, lower.tail=FALSE)
 
p_value

Producción:

 0.03686533

El valor p resultante es menor que el nivel de significancia 0.05 y también se puede ver que es mayor que el nivel de significancia 0.1. Por lo tanto, podemos concluir que la hipótesis nula debe rechazarse en el nivel de significancia α = 0.05, y podemos aceptar la muestra en el nivel de significancia α = 0.01.

Prueba de dos colas:

Una prueba de hipótesis en la que la región de rechazo se divide por igual entre 2 valores críticos en los extremos de la distribución se conoce como prueba de dos colas.
Se aplica una prueba de dos colas cuando una hipótesis alternativa (H _A ) es igual a una cantidad dada (H _A = x ). Al multiplicar 2 por la función pt(q, df, lower.tail = FALSE) podemos obtener el valor p requerido usando esta prueba de hipótesis.

Tomemos un ejemplo tomando el puntaje t como 1.24 y df como 22.

Ejemplo:

# Finding the p-value
p_value=2*pt(q=1.24, df=22, lower.tail=FALSE)
 
p_value

Producción:

0.228039

El valor p que obtenemos es menor que el nivel de significancia 0.05 y mayor que el nivel de significancia 0.1. Por lo tanto, aquí se puede concluir que la hipótesis nula debe rechazarse con un nivel de significancia de α=0.05, y podemos aceptar la muestra con un nivel de significancia de α=0.01.