Калькулятор p-значення
Введіть статистику критерію z, t, хі-квадрат або F, щоб знайти p-значення для двостороннього, лівостороннього або правостороннього тесту. Оберіть розподіл, ступені вільності та рівень значущості, щоб дізнатися, чи є ваш результат статистично значущим.
Знайдіть p-значення вашого тесту
Формула p-значення
- \(T\) — випадкова величина статистики критерію (Z, t, χ² або F) за нульової гіпотези \(H_0\)
- \(t\) — спостережене значення вашої статистики критерію
- \(P(T \ge t)\) — ймовірність спостерігати значення щонайменше настільки ж екстремальне, як \(t\), у правому «хвості»
Для кожного розподілу ймовірності «хвостів» обчислюються за відповідною функцією розподілу: CDF стандартного нормального розподілу \(\Phi(z)\) для Z, CDF розподілу Стьюдента з \(df\) ступенями вільності, CDF розподілу хі-квадрат або CDF розподілу F зі ступенями вільності \(df_1\) і \(df_2\). Калькулятор обчислює їх чисельно, тому статистичні таблиці не потрібні.
P-значення — приклад розрахунку
Приклад: двовибірковий t-тест дав статистику критерію \(t = 2.5\) при \(df = 20\), альтернативна гіпотеза — двостороння (\(\neq\)).
\[ p = 2 \cdot P(T \ge 2.5) = 2 \times 0.0106 = 0.0213 \]
Результат: p-значення дорівнює 0,0213. Оскільки \(0.0213 \le 0.05\), результат є статистично значущим при \(\alpha = 0.05\) — відхиляємо \(H_0\).
Як користуватися калькулятором
- Введіть свою статистику критерію (значення z, t, χ² або F, яке ви вже обчислили за своїми даними).
- Оберіть розподіл, якому статистика відповідає за \(H_0\): стандартний нормальний (Z), Стьюдента t, хі-квадрат (χ²) або F-розподіл.
- Оберіть хвости, що відповідають вашій альтернативній гіпотезі: двосторонній тест (≠), правосторонній (>) або лівосторонній (<).
- Якщо ви обрали t або χ², введіть ступені вільності (df). Якщо ви обрали F-розподіл, введіть обидва значення: ступені вільності чисельника (df₁) і ступені вільності знаменника (df₂); ці поля з’являться автоматично.
- Оберіть рівень значущості (α) — 0,05, 0,01 або 0,10 — щоб калькулятор міг сформулювати висновок тесту.
- Прочитайте p-значення, ймовірність «хвоста» у напрямку вашої статистики та Деталі та висновок, де наведено обидві ймовірності «хвостів» і рішення відхилити чи не відхиляти \(H_0\) при α.
Що таке p-значення?
P-значення відповідає на одне конкретне запитання: якщо б нульова гіпотеза була істинною, наскільки ймовірно отримати статистику критерію щонайменше настільки ж екстремальну, як та, яку ви спостерігали? Це ймовірність між 0 і 1, а не ймовірність того, що нульова гіпотеза істинна чи хибна. Мале p-значення означає, що спостережувані дані були б несподіваними за \(H_0\), що є свідченням проти нульової гіпотези.
Дослідники порівнюють p-значення із заздалегідь обраним рівнем значущості \(\alpha\), зазвичай 0,05. Якщо \(p \le \alpha\), результат називають статистично значущим і за домовленістю відхиляють \(H_0\). Якщо \(p > \alpha\), \(H_0\) не відхиляють. Зауважте, що неотхилянення не те саме, що доведення істинності \(H_0\) — це лише означає, що дані не надають достатніх свідчень проти неї.
Кількість «хвостів» має значення. Двосторонній тест виявляє відхилення в будь-який бік, тому p-значення включає обидва екстремальні «хвости». Правосторонній тест застосовують, коли альтернатива стверджує, що значення більше за нульове (типово для тестів χ² і F, які за своєю природою правосторонні). Лівосторонній тест застосовується, коли альтернатива стверджує, що значення менше. Вибір неправильного «хвоста» може зробити справжній результат незначущим, тому «хвости» мають відповідати альтернативній гіпотезі, яку ви сформулювали до перегляду даних.
Щоб неформально оцінити силу свідчень: \(p < 0.001\) — дуже сильні, \(p < 0.01\) — сильні, \(p < 0.05\) — помірні, \(p < 0.10\) — слабкі. Значення понад 0,10 надають мало свідчень проти \(H_0\). Це домовленості, а не пороги з магічним змістом.
Який розподіл обрати?
- Стандартний нормальний (Z) — тести щодо середніх і часток за великих вибірок, коли дисперсія сукупності відома або вибірка достатньо велика для центральної граничної теореми. Якщо вам спочатку потрібна сама статистика, скористайтеся калькулятором Z-показника.
- Стьюдента t — тести щодо середніх за малих вибірок або невідомої дисперсії сукупності; потрібне одне значення df, зазвичай \(n - 1\) або \(n_1 + n_2 - 2\).
- Хі-квадрат (χ²) — критерії згоди та критерії незалежності для таблиць спряженості; df залежить від кількості категорій чи клітинок. Ці тести майже завжди правосторонні.
- F-розподіл — дисперсійний аналіз (ANOVA) і порівняння дисперсій; потрібні ступені вільності чисельника \(df_1\) і знаменника \(df_2\). Також майже завжди правосторонні.
Якщо ви ще не дійшли до етапу перевірки гіпотез, наш калькулятор нормального розподілу та калькулятор довірчого інтервалу охоплюють пов’язані задачі з ймовірностей та оцінювання.
Припущення, обмеження та практичні поради
- Калькулятору потрібна вже обчислена статистика. Він не обчислює z, t, χ² або F за «сирими» даними — ви маєте надати статистику зі свого тесту. Перевірте значення у вашому статистичному програмному забезпеченні чи конспекті курсу.
- Статистика має підпорядковуватися обраному розподілу за \(H_0\). Це вимагає дотримання власних припущень тесту: випадкова вибірка, приблизна нормальність або великі вибірки для Z/t, очікувані частоти в клітинках не менше 5 для χ² та однорідність дисперсій для стандартного ANOVA.
- Встановіть α до тесту. Вибір рівня значущості після побаченого p-значення завищує частоту хибнопозитивних результатів. Якщо вашого рівня значущості немає в списку, порівняйте отримане p-значення з вашим α вручну.
- Для χ² і F використовуйте правосторонні тести. Ці статистики невід’ємні, а їхні тести за домовленістю односторонні; опція двостороннього тесту в калькуляторі подвоює менший «хвіст», що рідко відповідає реальній гіпотезі для цих розподілів.
- Статистична значущість — не те саме, що практична важливість. За достатньо великої вибірки крихітні, безглузді відмінності стають значущими. Повідомляйте розмір ефекту та довірчий інтервал разом із p-значенням і переконайтеся, що розмір вибірки був розумно спланований — див. калькулятор розміру вибірки.
- Дуже малі p-значення відображаються в науковому записі (наприклад, 2,1e−05, тобто \(2.1 \times 10^{-5}\)).
Часті запитання
Як обчислити p-значення вручну без калькулятора?
Для z-тесту скористайтеся функцією розподілу стандартного нормального розподілу: для правостороннього тесту \(p = 1 - \Phi(z)\), для лівостороннього — \(p = \Phi(z)\). Значення \(\Phi(z)\) беруть із таблиці нормального розподілу: знайдіть своє значення z (округлене до двох десяткових знаків), прочитайте ймовірність із таблиці, а для правого «хвоста» візьміть доповнення до одиниці. Для тестів t, χ² і F знадобилися б відповідні статистичні таблиці — саме їх і замінює цей калькулятор, обчислюючи функцію розподілу чисельно.
Яке p-значення вважається хорошим або нормальним?
Об'єктивно «хорошого» значення не існує — p-значення залежить від ваших даних і розміру вибірки. За домовленістю результати з \(p \le 0.05\) називають статистично значущими, а \(p \le 0.01\) — високозначущими. Однак ці пороги є домовленостями, а не доказом. Мале p-значення вказує на сильні свідчення проти нульової гіпотези, а не на те, що ваш результат є великим чи важливим. Завжди повідомляйте розмір ефекту та довірчий інтервал разом із p-значенням.
Чи є p-значення ймовірністю того, що нульова гіпотеза істинна?
Ні — це найпоширеніше хибне тлумачення. P-значення — це ймовірність спостерігати статистику критерію щонайменше настільки ж екстремальну, як ваша, за припущення, що нульова гіпотеза істинна. P-значення 0,03 не означає, що існує 3-відсоткова ймовірність правильності нульової гіпотези. Воно також не може сказати вам ймовірність істинності вашої альтернативної гіпотези — для цього знадобився б баєсівський підхід.
Чому моє p-значення відрізняється від значення в SPSS, R чи Excel?
Спершу перевірте кількість «хвостів»: програмне забезпечення може за замовчуванням повідомляти двостороннє p-значення, яке приблизно вдвічі більше за одностороннє. Також перевірте ступені вільності, адже тести на кшталт t-тесту Велча використовують інше df, ніж стандартна об’єднана версія. Нарешті, округлення статистики критерію або застосування поправок на безперервність у тестах χ² можуть трохи зсунути p-значення. Малі відмінності в третьому чи четвертому десятковому знаку зазвичай є просто округленням.
Чи можна перетворити двостороннє p-значення в одностороннє (або навпаки)?
Якщо статистика критерію вказує у напрямку вашої односторонньої альтернативи, одностороннє p-значення дорівнює половині двостороннього: \(p_{one} = p_{two}/2\). Якщо вона вказує в протилежному напрямку, одностороннє p-значення перевищує 0,5, і результат не може бути значущим. Важливо визначитися з кількістю «хвостів» до проведення тесту — зміна після його виконання лише задля досягнення значущості завищує частоту хибнопозитивних результатів і вважається p-хакінгом.
Що робити, якщо моя статистика критерію від'ємна?
Від’ємні значення для статистик z і t — цілком нормальне явище: вони просто вказують, що вибіркове середнє лежить нижче за гіпотетичне значення. Введіть від’ємне число як є; калькулятор автоматично використає лівий «хвіст». Однак статистики χ² і F ніколи не можуть бути від'ємними, оскільки вони побудовані з квадратів величин. Якщо ваше значення χ² або F від’ємне, десь у розрахунках сталася помилка — перевірте свої формули.
Чи може p-значення дорівнювати 0 або бути більшим за 1?
P-значення завжди строго між 0 і 1, оскільки це ймовірність. Воно може бути надзвичайно малим (наприклад \(2.1 \times 10^{-5}\), що відображається як 2.1e−05), але ніколи не дорівнює точно нулю — програми, що виводять «0,000», просто округлюють. Якщо ви отримали значення більше за 1 або від’ємне число, було допущено помилку введення, наприклад, введено ймовірність замість статистики критерію або неправильно прочитано поле результату.