Psykologia 2021

Artikkelissa 2 tulee sivulla 4 nuita p-arvoja. Miten nuita tulkitaan, mistä ne on nähtävissä ja mitä ne oikeastaan edes tarkoittaa? Esimerkiksi tuossa "Fisher's p= .012" ,miksei ennen pistettä ole nollaa? Osaisiko joku neuvoa tässä?

Sain vasta just psykologian avoimen aineopinnot valmiiks, nyt tuntuu, että pää on jo sen jäljiltä ihan sumea ko koitin sen paahtaa valmiiks ajoissa. Kun keksis vielä miten tässä nyt löytäis voimia vielä alkaa pänttäämään noita pääsykoeartikkeleita. Ehkä tää tästä ko hetkeen nollaa päätä.

Vierailija kirjoitti:

Artikkelissa 2 tulee sivulla 4 nuita p-arvoja. Miten nuita tulkitaan, mistä ne on nähtävissä ja mitä ne oikeastaan edes tarkoittaa? Esimerkiksi tuossa "Fisher's p= .012" ,miksei ennen pistettä ole nollaa? Osaisiko joku neuvoa tässä?

Englantia kirjoitetaan noin. Ei nollaa ja pilkun sijasta piste.

Googlaa p-arvon käsite. Se pitää ymmärtää, eikä sitä opeteta noissa artikkeleissa.

Ymmärrän ehkä jokseenkin tuon p-arvon, mutta en oikein ymmärrä, mitä se tarkoittaa juuri tuossa artikkelin 2 sivulla 4 olevassa tekstissä. Miten p-arvot on saatu selville? Tarvitseeko meidän sitä tietää?

Vierailija kirjoitti:

Artikkelissa 2 tulee sivulla 4 nuita p-arvoja. Miten nuita tulkitaan, mistä ne on nähtävissä ja mitä ne oikeastaan edes tarkoittaa? Esimerkiksi tuossa "Fisher's p= .012" ,miksei ennen pistettä ole nollaa? Osaisiko joku neuvoa tässä?

P-arvo ilmoitetaan aina noin. Yleisimmin

Vierailija kirjoitti:

Ymmärrän ehkä jokseenkin tuon p-arvon, mutta en oikein ymmärrä, mitä se tarkoittaa juuri tuossa artikkelin 2 sivulla 4 olevassa tekstissä. Miten p-arvot on saatu selville? Tarvitseeko meidän sitä tietää?

Laskemalla tilasto-ohjelmassa. Niitä ei edes voi laskea käsin. Eli ei tarvitse tietää muuta kuin osata tulkita ne. Sellainen tehtävä tulee ihan satavarmasti, että pitää tulkita jotain taulukkoa. Se erottelee jo jyvät kivistä.

Vierailija kirjoitti:

Ymmärrän ehkä jokseenkin tuon p-arvon, mutta en oikein ymmärrä, mitä se tarkoittaa juuri tuossa artikkelin 2 sivulla 4 olevassa tekstissä. Miten p-arvot on saatu selville? Tarvitseeko meidän sitä tietää?

P-arvo tulee tilastollisesta testistä ja kertoo kuinka todennäköisesti nollahypoteesi H0 on totta. Ja todellakin pitää opetell.

Vierailija kirjoitti:

Vierailija kirjoitti:

Vierailija kirjoitti:

Katoin noita hakijoita, niin laskeskelin, että EI-ensikertalaisen mahdollisuus päästä opiskelemaan olisi yhdessäkin paikassa noin 0,03%  ei siis edes  3 % mikä on ollut tähän asti moneen suosittuun hakukohteeseen se vaikio. Toki en poistanut erikseen mahdollisia ensikertalaisia, koska heidän määrästä ei ole tietoa

Millähän ihmeen laskutoimituksella olet tähän tulokseen päässyt? :D ei mitenkään voi pitää paikkaansa.

70 % paikoista on varattu ensikertalaisille, joten toiskertalaisilla on ulottuvillaan vain 30 % paikoista. Kun paikkoja esim. Ouluun on yhteensä 40 ja hakijoita tuhansia, tulee kaikkien kiintiön 12 paikasta noin kova kilpailu. Nyt vähän helpottaa, kun kaikki ovat koekiintiöpaikkoja, ennenhän osa noista oli yhteispistekiintiössä, ja jos sinne ei ollut asiaa, ei vaan ollut.

No, joka tapauksessa luku ei ole 0,03 % niin kuin tuossa väitetään. Kaikkien hakijoiden suhde ei-ensikertalaisten paikkoihin on Oulussa 12/3288 eli 0,3 %. Tässä pitää kuitenkin ottaa huomioon, että suuri osa hakijoista ei osallistu koko pääsykokeeseen. Lisäksi noista hakijoista yli 2000 hakee ensisijaisesti jonnekin muualle. Eli tarkkaa prosenttia siitä, mikä mahdollisuus psykalle on päästä ei-ensikertalaisena on mahdotonta antaa.

Vierailija kirjoitti:

Vierailija kirjoitti:

Ymmärrän ehkä jokseenkin tuon p-arvon, mutta en oikein ymmärrä, mitä se tarkoittaa juuri tuossa artikkelin 2 sivulla 4 olevassa tekstissä. Miten p-arvot on saatu selville? Tarvitseeko meidän sitä tietää?

Laskemalla tilasto-ohjelmassa. Niitä ei edes voi laskea käsin. Eli ei tarvitse tietää muuta kuin osata tulkita ne. Sellainen tehtävä tulee ihan satavarmasti, että pitää tulkita jotain taulukkoa. Se erottelee jo jyvät kivistä.

Ei tarvitse siis osata laskea, mutta miten p-arvon tulkitseminen taulukosta tapahtuu?

Vierailija kirjoitti:

Vierailija kirjoitti:

Ymmärrän ehkä jokseenkin tuon p-arvon, mutta en oikein ymmärrä, mitä se tarkoittaa juuri tuossa artikkelin 2 sivulla 4 olevassa tekstissä. Miten p-arvot on saatu selville? Tarvitseeko meidän sitä tietää?

Laskemalla tilasto-ohjelmassa. Niitä ei edes voi laskea käsin. Eli ei tarvitse tietää muuta kuin osata tulkita ne. Sellainen tehtävä tulee ihan satavarmasti, että pitää tulkita jotain taulukkoa. Se erottelee jo jyvät kivistä.

Onko aiemmissa psykan ja logon kokeissa ollu paljon taulukoiden tulkintaa ja millasia taulukoita siellä on ollut?

Vierailija kirjoitti:

Vierailija kirjoitti:

Ymmärrän ehkä jokseenkin tuon p-arvon, mutta en oikein ymmärrä, mitä se tarkoittaa juuri tuossa artikkelin 2 sivulla 4 olevassa tekstissä. Miten p-arvot on saatu selville? Tarvitseeko meidän sitä tietää?

P-arvo tulee tilastollisesta testistä ja kertoo kuinka todennäköisesti nollahypoteesi H0 on totta. Ja todellakin pitää opetell.

Eli tarkoittaako toisin sanoen sitä, että p-arvolla katsotaan, onko H0 totta 95%, 99% vai 99,99% todennäköisyydellä?

Vierailija kirjoitti:

Vierailija kirjoitti:

Vierailija kirjoitti:

Ymmärrän ehkä jokseenkin tuon p-arvon, mutta en oikein ymmärrä, mitä se tarkoittaa juuri tuossa artikkelin 2 sivulla 4 olevassa tekstissä. Miten p-arvot on saatu selville? Tarvitseeko meidän sitä tietää?

P-arvo tulee tilastollisesta testistä ja kertoo kuinka todennäköisesti nollahypoteesi H0 on totta. Ja todellakin pitää opetell.

Eli tarkoittaako toisin sanoen sitä, että p-arvolla katsotaan, onko H0 totta 95%, 99% vai 99,99% todennäköisyydellä?

Eikun just toisinpäin, 95% todennäköisyydellä H0 hylätään ja H1 astuu voimaan.

Vierailija kirjoitti:

Vierailija kirjoitti:

Vierailija kirjoitti:

Ymmärrän ehkä jokseenkin tuon p-arvon, mutta en oikein ymmärrä, mitä se tarkoittaa juuri tuossa artikkelin 2 sivulla 4 olevassa tekstissä. Miten p-arvot on saatu selville? Tarvitseeko meidän sitä tietää?

Laskemalla tilasto-ohjelmassa. Niitä ei edes voi laskea käsin. Eli ei tarvitse tietää muuta kuin osata tulkita ne. Sellainen tehtävä tulee ihan satavarmasti, että pitää tulkita jotain taulukkoa. Se erottelee jo jyvät kivistä.

Ei tarvitse siis osata laskea, mutta miten p-arvon tulkitseminen taulukosta tapahtuu?

Siten, että sä katsot mitkä ne hypoteesit on ja tulkitset jääkö H0 voimaan vai ei (p-arvolla se ja se)

Vierailija kirjoitti:

Vierailija kirjoitti:

Vierailija kirjoitti:

Vierailija kirjoitti:

Ymmärrän ehkä jokseenkin tuon p-arvon, mutta en oikein ymmärrä, mitä se tarkoittaa juuri tuossa artikkelin 2 sivulla 4 olevassa tekstissä. Miten p-arvot on saatu selville? Tarvitseeko meidän sitä tietää?

Laskemalla tilasto-ohjelmassa. Niitä ei edes voi laskea käsin. Eli ei tarvitse tietää muuta kuin osata tulkita ne. Sellainen tehtävä tulee ihan satavarmasti, että pitää tulkita jotain taulukkoa. Se erottelee jo jyvät kivistä.

Ei tarvitse siis osata laskea, mutta miten p-arvon tulkitseminen taulukosta tapahtuu?

Siten, että sä katsot mitkä ne hypoteesit on ja tulkitset jääkö H0 voimaan vai ei (p-arvolla se ja se)

Nollahypoteesi siis ”pyritään” kumoamaan. Siksi se usein asetetaan niin että ”ryhmien välillä ei ole eroa”. Toivottu tulos on H1, ”ryhmien välillä on eroa”. Jos p-arvo on suuri, H0 ei voi kumota eikä eroa havaita. Tulos se on sekin, toki, mutta usein epätoivottu. Toki, jos halutaan kertoa, että sillä ei ole väliä, että asia x tapahtuu vaikkapa statuksesta huolimatta, H0 halutaan jäävän voimaan, mutta tilastollisena tuloksena se on heikko.

Vierailija kirjoitti:

Artikkelissa 2 tulee sivulla 4 nuita p-arvoja. Miten nuita tulkitaan, mistä ne on nähtävissä ja mitä ne oikeastaan edes tarkoittaa? Esimerkiksi tuossa "Fisher's p= .012" ,miksei ennen pistettä ole nollaa? Osaisiko joku neuvoa tässä?

Linkitätkö sen uudelleen tähän, kun en jaksa selailla millä sivulla ne matskut oli?

Vierailija kirjoitti:

Vierailija kirjoitti:

Artikkelissa 2 tulee sivulla 4 nuita p-arvoja. Miten nuita tulkitaan, mistä ne on nähtävissä ja mitä ne oikeastaan edes tarkoittaa? Esimerkiksi tuossa "Fisher's p= .012" ,miksei ennen pistettä ole nollaa? Osaisiko joku neuvoa tässä?

Linkitätkö sen uudelleen tähän, kun en jaksa selailla millä sivulla ne matskut oli?

https://www2.helsinki.fi/sites/default/files/atoms/files/harris_et_al.p…

Vierailija kirjoitti:

Vierailija kirjoitti:

Artikkelissa 2 tulee sivulla 4 nuita p-arvoja. Miten nuita tulkitaan, mistä ne on nähtävissä ja mitä ne oikeastaan edes tarkoittaa? Esimerkiksi tuossa "Fisher's p= .012" ,miksei ennen pistettä ole nollaa? Osaisiko joku neuvoa tässä?

Linkitätkö sen uudelleen tähän, kun en jaksa selailla millä sivulla ne matskut oli?

Löysinkin. Eli tätäkö tarkoitat: Demographic data are shown in Table 1. There was a significant association between gender and group (Fisher’s p = .026). The lvPPA group included a higher proportion of males than the control group (Fisher’s p = .012) and the AD group (Fisher’s p = .006). There was a significant group difference in age, F(4,61) = 7.357, p

Mitä noista sä et ymmärrä?

Vierailija kirjoitti:

Vierailija kirjoitti:

Vierailija kirjoitti:

Artikkelissa 2 tulee sivulla 4 nuita p-arvoja. Miten nuita tulkitaan, mistä ne on nähtävissä ja mitä ne oikeastaan edes tarkoittaa? Esimerkiksi tuossa "Fisher's p= .012" ,miksei ennen pistettä ole nollaa? Osaisiko joku neuvoa tässä?

Linkitätkö sen uudelleen tähän, kun en jaksa selailla millä sivulla ne matskut oli?

Löysinkin. Eli tätäkö tarkoitat: Demographic data are shown in Table 1. There was a significant association between gender and group (Fisher’s p = .026). The lvPPA group included a higher proportion of males than the control group (Fisher’s p = .012) and the AD group (Fisher’s p = .006). There was a significant group difference in age, F(4,61) = 7.357, p < .001. The AD group was significantly younger than the other groups (vs. nfvPPA p < .001, vs. lvPPA p < .001, vs. SD p = .011, and vs. controls p = .011). The youthful age of the AD patients, in part, reflects a referral bias of younger patients to the neurology clinic but also an inherent bias towards early onset in AD presenting with multi-domain impairment.

Mitä noista sä et ymmärrä?

Tästä pitää siis ymmärtää tulokset. Minkä ryhmien välillä oli tilastollisesti merkitsevää eroa, minkä suhteen ja mihin suuntaan.  (Samaten jos jonkun välillä ei ole tilastollisesti merkitsevää eroa, sekin on tulos, ja pitää ymmärtää & osata.)

Yhtään tuossa esitettyä lukuarvoa ei tarvitse muistaa ulkoa.

Vierailija kirjoitti:

Vierailija kirjoitti:

Vierailija kirjoitti:

Vierailija kirjoitti:

Ymmärrän ehkä jokseenkin tuon p-arvon, mutta en oikein ymmärrä, mitä se tarkoittaa juuri tuossa artikkelin 2 sivulla 4 olevassa tekstissä. Miten p-arvot on saatu selville? Tarvitseeko meidän sitä tietää?

P-arvo tulee tilastollisesta testistä ja kertoo kuinka todennäköisesti nollahypoteesi H0 on totta. Ja todellakin pitää opetell.

Eli tarkoittaako toisin sanoen sitä, että p-arvolla katsotaan, onko H0 totta 95%, 99% vai 99,99% todennäköisyydellä?

Eikun just toisinpäin, 95% todennäköisyydellä H0 hylätään ja H1 astuu voimaan.

Aivan, eli p-arvolla katsotaan, onko H1 totta 95 %, 99% vai 99,99% todennäköisyydellä. Mielenkiintoista! En oo koskaan tilastotieteeseen perehtynyt.

Vierailija kirjoitti:

Vierailija kirjoitti:

Vierailija kirjoitti:

Vierailija kirjoitti:

Vierailija kirjoitti:

Ymmärrän ehkä jokseenkin tuon p-arvon, mutta en oikein ymmärrä, mitä se tarkoittaa juuri tuossa artikkelin 2 sivulla 4 olevassa tekstissä. Miten p-arvot on saatu selville? Tarvitseeko meidän sitä tietää?

P-arvo tulee tilastollisesta testistä ja kertoo kuinka todennäköisesti nollahypoteesi H0 on totta. Ja todellakin pitää opetell.

Eli tarkoittaako toisin sanoen sitä, että p-arvolla katsotaan, onko H0 totta 95%, 99% vai 99,99% todennäköisyydellä?

Eikun just toisinpäin, 95% todennäköisyydellä H0 hylätään ja H1 astuu voimaan.

Aivan, eli p-arvolla katsotaan, onko H1 totta 95 %, 99% vai 99,99% todennäköisyydellä. Mielenkiintoista! En oo koskaan tilastotieteeseen perehtynyt.

Vielä sellainen mielenkiintoinen huomio, että tilastollinen merkitsevyys ei tarkoita sitä, että tulos olisi oikeasti merkittävä.

Omalla tilastokurssillani oli esimerkki tutkimuksesta, jonka perusteella naiset tekevät enemmän kotitöitä kuin miehet (p<0,001).

Eroa oli 6 min päivässä.