Kalkulator wartości p
Wpisz statystykę testową z, t, chi-kwadrat lub F, aby wyznaczyć wartość p dla testów dwustronnych, lewostronnych lub prawostronnych. Wybierz rozkład, liczby stopni swobody i poziom istotności, aby sprawdzić, czy Twój wynik jest istotny statystycznie.
Wyznacz wartość p swojego testu
Wzór na wartość p
- \(T\) — zmienna losowa statystyki testowej (Z, t, χ² lub F) przy założeniu hipotezy zerowej \(H_0\)
- \(t\) — zaobserwowana wartość Twojej statystyki testowej
- \(P(T \ge t)\) — prawdopodobieństwo zaobserwowania wartości co najmniej tak ekstremalnej jak \(t\), w prawym ogonie
Dla każdego rozkładu prawdopodobieństwa w ogonach pochodzą z odpowiedniej dystrybuanty: z dystrybuanty rozkładu normalnego standardowego \(\Phi(z)\) dla Z, dystrybuanty rozkładu t-Studenta o \(df\) stopniach swobody, dystrybuanty rozkładu chi-kwadrat lub dystrybuanty rozkładu F o \(df_1\) i \(df_2\) stopniach swobody. Kalkulator wyznacza je numerycznie, więc tablice statystyczne nie są potrzebne.
Wartość p — przykład obliczenia
Przykład: test t dla dwóch prób dał statystykę \(t = 2.5\) przy \(df = 20\), a hipoteza alternatywna jest dwustronna (\(\neq\)).
\[ p = 2 \cdot P(T \ge 2.5) = 2 \times 0.0106 = 0.0213 \]
Wynik: wartość p wynosi 0,0213. Ponieważ \(0.0213 \le 0.05\), wynik jest istotny statystycznie przy \(\alpha = 0.05\) — odrzucamy \(H_0\).
Jak korzystać z kalkulatora
- Wpisz swoją Statystykę testową (wartość z, t, χ² lub F, którą już obliczyłeś na podstawie danych).
- Wybierz Rozkład, któremu podlega statystyka przy \(H_0\): normalny standardowy (Z), t-Studenta, chi-kwadrat (χ²) lub rozkład F.
- Wybierz Ogony zgodne z Twoją hipotezą alternatywną: dwustronny (≠), prawostronny (>) lub lewostronny (<).
- Jeśli wybrałeś t lub χ², wpisz Stopnie swobody (df). Jeśli wybrałeś rozkład F, wpisz df licznika (df₁) i df mianownika (df₂); te pola pojawią się automatycznie.
- Wybierz Poziom istotności (α) — 0,05, 0,01 lub 0,10 — aby kalkulator mógł sformułować wniosek testu.
- Odczytaj Wartość p, Prawdopodobieństwo w ogonie w kierunku Twojej statystyki oraz Szczegóły i wniosek, które zawierają oba prawdopodobieństwa w ogonach oraz decyzję o odrzuceniu/braku odrzucenia przy α.
Czym jest wartość p?
Wartość p odpowiada na jedno konkretne pytanie: gdyby hipoteza zerowa była prawdziwa, jak prawdopodobne jest uzyskanie statystyki testowej co najmniej tak ekstremalnej jak zaobserwowana? Jest to prawdopodobieństwo między 0 a 1, a nie prawdopodobieństwo tego, że hipoteza zerowa jest prawdziwa lub fałszywa. Mała wartość p oznacza, że zaobserwowane dane byłyby zaskakujące przy \(H_0\), co stanowi dowód przeciwko hipotezie zerowej.
Badacze porównują wartość p z wcześniej przyjętym poziomem istotności \(\alpha\), zazwyczaj 0,05. Jeśli \(p \le \alpha\), wynik nazywa się istotnym statystycznie i przyjęto odrzucanie \(H_0\). Jeśli \(p > \alpha\), nie ma podstaw do odrzucenia \(H_0\). Zwróć uwagę, że brak odrzucenia nie jest tym samym, co udowodnienie prawdziwości \(H_0\) — oznacza jedynie, że dane nie dostarczają wystarczających dowodów przeciwko niej.
Liczba ogonów ma znaczenie. Test dwustronny wykrywa odchylenia w obu kierunkach, więc wartość p uwzględnia oba skrajne ogony. Test prawostronny stosuje się, gdy alternatywa zakłada wartość większą od wartości zerowej (typowe dla testów χ² i F, które z natury są prawostronne). Test lewostronny obowiązuje, gdy alternatywa zakłada wartość mniejszą. Wybór niewłaściwego ogonu może sprawić, że rzeczywiście istotny wynik wyda się nieistotny, dlatego ogony muszą odpowiadać hipotezie alternatywnej, którą sformułowałeś przed spojrzeniem na dane.
Aby nieformalnie ocenić siłę dowodu: \(p < 0.001\) to dowód bardzo mocny, \(p < 0.01\) mocny, \(p < 0.05\) umiarkowany, a \(p < 0.10\) słaby. Wartości powyżej 0,10 dostarczają niewielu dowodów przeciwko \(H_0\). Są to konwencje, a nie progi o magicznym znaczeniu.
Który rozkład wybrać?
- Normalny standardowy (Z) — testy dotyczące średnich i proporcji przy dużych próbach, gdy wariancja populacji jest znana lub próba jest na tyle duża, że działa centralne twierdzenie graniczne. Jeśli najpierw potrzebujesz samej statystyki, skorzystaj z kalkulatora wyniku standaryzowanego Z.
- t-Studenta — testy dotyczące średnich przy małych próbach lub nieznanej wariancji populacji; wymaga jednej wartości df, zwykle \(n - 1\) lub \(n_1 + n_2 - 2\).
- Chi-kwadrat (χ²) — testy zgodności oraz testy niezależności na tablicach kontyngencji; liczba df zależy od liczby kategorii lub komórek. Te testy są prawie zawsze prawostronne.
- Rozkład F — ANOVA i porównania wariancji; wymaga df licznika \(df_1\) i df mianownika \(df_2\). Również prawie zawsze prawostronny.
Jeśli nie jesteś jeszcze na etapie testowania, nasz kalkulator rozkładu normalnego oraz kalkulator przedziału ufności obejmują pokrewne zadania z zakresu prawdopodobieństwa i estymacji.
Założenia, ograniczenia i praktyczne wskazówki
- Kalkulator wymaga już obliczonej statystyki. Nie oblicza z, t, χ² ani F z surowych danych — musisz podać statystykę ze swojego testu. Sprawdź wartość w oprogramowaniu statystycznym lub notatkach z zajęć.
- Statystyka musi podlegać wybranemu rozkładowi przy \(H_0\). Wymaga to spełnienia założeń samego testu: losowego doboru próby, przybliżonej normalności lub dużych prób dla Z/t, oczekiwanych liczebności w komórkach wynoszących co najmniej 5 dla χ² oraz jednorodności wariancji w klasycznej ANOVA.
- Ustal α przed testem. Wybieranie poziomu istotności po zobaczeniu wartości p zawyża odsetek fałszywie dodatnich wyników. Jeśli Twojego poziomu istotności nie ma na liście, porównaj podaną wartość p z Twoim α ręcznie.
- Dla χ² i F stosuj testy prawostronne. Te statystyki są nieujemne, a ich testy z natury są jednostronne; opcja dwustronna w kalkulatorze podwaja mniejszy ogon, co rzadko odpowiada rzeczywistej hipotezie dla tych rozkładów.
- Istotność statystyczna to nie to samo, co znaczenie praktyczne. Przy wystarczająco dużej próbie nawet drobne, pozbawione znaczenia różnice stają się istotne. Podawaj obok wartości p wielkość efektu i przedział ufności oraz upewnij się, że liczebność próby została sensownie zaplanowana — zobacz kalkulator liczebności próby.
- Bardzo małe wartości p są podawane w notacji naukowej (np. 2.1e−05, czyli \(2.1 \times 10^{-5}\)).
Najczęściej zadawane pytania
Jak obliczyć wartość p ręcznie, bez kalkulatora?
Dla testu z wykorzystaj dystrybuantę rozkładu normalnego standardowego: dla testu prawostronnego \(p = 1 - \Phi(z)\), a dla lewostronnego \(p = \Phi(z)\). Wartości \(\Phi(z)\) pochodzą z tablic rozkładu normalnego: odszukaj swoją wartość z (zaokrągloną do dwóch miejsc dziesiętnych), odczytaj prawdopodobieństwo z tablicy i dla prawego ogonu weź dopełnienie. Dla testów t, χ² i F potrzebowałbyś odpowiednich tablic statystycznych — i właśnie je zastępuje ten kalkulator, wyznaczając dystrybuantę numerycznie.
Jaka wartość p jest dobra lub prawidłowa?
Nie ma obiektywnie „dobrej” wartości — wartość p zależy od danych i liczebności próby. Zgodnie z konwencją wyniki z \(p \le 0.05\) nazywa się istotnymi statystycznie, a \(p \le 0.01\) wysoce istotnymi. Te progi są jednak umowne i nie stanowią dowodu. Mała wartość p wskazuje na mocny dowód przeciwko hipotezie zerowej, a nie na to, że Twój efekt jest duży lub ważny. Zawsze podawaj obok wartości p wielkość efektu i przedział ufności.
Czy wartość p to prawdopodobieństwo, że hipoteza zerowa jest prawdziwa?
Nie — to najczęstsza błędna interpretacja. Wartość p to prawdopodobieństwo zaobserwowania statystyki testowej co najmniej tak ekstremalnej jak Twoja, przy założeniu, że hipoteza zerowa jest prawdziwa. Wartość p równa 0,03 nie oznacza, że istnieje 3-procentowa szansa, iż hipoteza zerowa jest poprawna. Wartość p nie mówi też, jakie jest prawdopodobieństwo prawdziwości hipotezy alternatywnej — wymagałoby to podejścia bayesowskiego.
Dlaczego moja wartość p różni się od tej w SPSS, R lub Excelu?
Najpierw sprawdź liczbę ogonów: oprogramowanie może domyślnie podawać wartość p dla testu dwustronnego, która jest mniej więcej dwukrotnością wartości jednostronnej. Sprawdź też stopnie swobody, ponieważ testy takie jak test t Welcha używają innego df niż klasyczna wersja z łączonymi wariancjami. Wreszcie, zaokrąglenie statystyki testowej lub zastosowanie poprawki na ciągłość w testach χ² może nieco przesunąć wartość p. Różnice w trzecim lub czwartym miejscu po przecinku to zwykle kwestia zaokrąglenia.
Czy można przekształcić wartość p dwustronną na jednostronną (lub odwrotnie)?
Jeśli statystyka testowa wskazuje kierunek zgodny z Twoją alternatywą jednostronną, jednostronna wartość p to połowa wartości dwustronnej: \(p_{jedno} = p_{dwu}/2\). Jeśli wskazuje kierunek przeciwny, jednostronna wartość p przekracza 0,5 i wynik nie może być istotny. Co ważne, liczbę ogonów należy ustalić przed wykonaniem testu — zmiana po fakcie, tylko po to, by osiągnąć istotność, zawyża odsetek fałszywie dodatnich wyników i jest uznawana za p-hacking.
Co, jeśli moja statystyka testowa jest ujemna?
Wartości ujemne są zupełnie normalne dla statystyk z i t — po prostu oznaczają, że średnia z próby jest mniejsza od wartości hipotetycznej. Wpisz liczbę ujemną taką, jaka jest; kalkulator automatycznie użyje lewego ogonu. Natomiast statystyki χ² i F nigdy nie mogą być ujemne, ponieważ są zbudowane z kwadratów. Jeśli Twoja wartość χ² lub F jest ujemna, gdzieś wcześniej powstał błąd obliczeniowy — sprawdź ponownie wzory.
Czy wartość p może wynosić 0 lub być większa niż 1?
Wartość p jest zawsze ściśle między 0 a 1, ponieważ jest prawdopodobieństwem. Może być skrajnie mała (na przykład \(2.1 \times 10^{-5}\), wyświetlana jako 2.1e-05), ale nigdy dokładnie zerowa — oprogramowanie wyświetlające „0.000” po prostu zaokrągla. Jeśli otrzymasz wartość powyżej 1 lub liczbę ujemną, wystąpił błąd przy wpisywaniu danych, np. podanie prawdopodobieństwa zamiast statystyki testowej lub omyłkowe odczytanie niewłaściwego pola wynikowego.