ម៉ាស៊ីនគិតលេខតម្លៃ P (ពី Z)
បម្លែងពិន្ទុ z ទៅតម្លៃ p មួយ ឬពីរជ្រុង & # 160; ។
លទ្ធផលធ្វើឲ្យទាន់សម័យតាមដែលអ្នកវាយ & # 160; ។
អំពីម៉ាស៊ីនគិតលេខនេះ
small p-value means that your data would be surprising under the null hypothesis, which counts as evidence against it. The large p-value means that your data would be surprising under the null hypothesis, which counts as evidence against it. The large p-value means that your data would be surprising under the null hypothesis, which counts as evidence against it. The large p-value means that your data would be surprising under the null hypothesis, which counts as evidence against it. The large p-value means that your data would be surprising under the null hypothesis, which counts as evidence against it. ChooseaWorked example:az-score of 1.96 givesaright-tailed p-value of about 0.025 andatwo-tailed p-value of about 0.050ChooseaWorked example:az-score of 1.96ChooseaWorked example:az-score of 1.96ChooseaWorked example:az-score of 1.96ChooseaWorked example:az-score of 1.96ChooseaWorked example:az-score of 1.96ChooseaWorked example:az-score of 1.96ChooseaWorked example:az-score of 1.96ChooseaWorked example:az-score of 1.96ChooseaWorked example:az-score of 1.96ChooseaWorked example:az-score of 1.96ChooseaWorked example:az-score of 1.96ChooseaWorked example:az-score of 1.96ChooseaWorked example:az-score of 1.96ChooseaWorked example:az-score of 1.96ChooseaWorked example:az-score of 1.96ChooseaWorked example:az-score of 1.96ChooseaWorked example:az-score of 1.96ChooseaWorked example:a
សំណួរដែលសួរញឹកញាប់
តើអ្វីជាតម្លៃ p & # 160;?
តម្លៃ p គឺជាទំនងជា សន្មតថា និន្នាការទទេគឺពិត នៃការទទួលបានស្ថិតិសាកល្បងយ៉ាងហោចណាស់ជាអតិបរមាដូចជាមួយដែលបានសង្កេត ។ តម្លៃ p តិចមានន័យថាទិន្នន័យរបស់អ្នកនឹងមិនអាចកើតឡើងនៅក្រោមនិន្នាការទទេ ដែលជាភស្តុតាងប្រឆាំងនឹងវា ។
តើតម្លៃ p ពីរជ្រុងខុសគ្នាពីមួយជ្រុងយ៉ាងដូចម្តេច & # 160;?
ការធ្វើតេស្តពីរចុងរាប់លទ្ធផលខ្លាំងបំផុតក្នុងទិសទាំងពីរ ដូច្នេះតម្លៃ p របស់វាគឺជាតម្លៃមួយចុងពីរដងសម្រាប់ | z | ដូចគ្នា ។ ប្រើពីរចុងពេលអ្នកគិតថាមានភាពខុសគ្នាមួយនិងមួយចុងពេលអ្នកព្យាករណ៍ទិសជាមុន ។
តើ p < 0.05 ជានិច្ចជាកាលមានសារៈសំខាន់?
0.05 គឺជាតែសន្និសីទទូទៅមួយប៉ុណ្ណោះ, មិនមែនជាច្បាប់មួយ. វាមានន័យថាឱកាស 5% នៃវិជ្ជមានក្លែងក្លាយ. អាស្រ័យលើវាលនិងតម្លៃនៃការខុស, កម្រិតកំណត់តឹងរ៉ឹងដូច 0.01 ជាញឹកញាប់គឺសមរម្យជាង ។
តើខ្ញុំបម្លែងពិន្ទុ z ទៅតម្លៃ p ដោយរបៀបណា & # 160;?
មើលតំបន់ចុងនៃការចែកចាយធម្មតាស្តង់ដារដែលលើសពីពិន្ទុ z របស់អ្នក & # 160; ។ ឧបករណ៍នេះធ្វើវាសម្រាប់អ្នក & # 160; ៖ ចុងឆ្វេងគឺ P( Z ≤ z) ចុងស្ដាំគឺ ១ − P( Z ≤ z) និងតម្លៃ p ពីរចុងទ្វេដងនៃពីរដែលតូចជាង & # 160; ។
តើតម្លៃ p ធំមួយអាចបង្ហាញថាការសន្និដ្ឋានទទេគឺពិតឬទេ & # 160;?
ទេ ។ តម្លៃ p ធំមានន័យថាទិន្នន័យរបស់អ្នកគឺស្របតាមការសន្និដ្ឋានទទេ មិនមែនថាទទេត្រូវបានបង្ហាញទេ ។ គ្មានភស្តុតាងប្រឆាំងនឹងវាគឺជាភស្តុតាងសម្រាប់វាទេ អ្នកអាចខ្វះទំហំគំរូដើម្បីរកឃើញផលប៉ះពាល់ ។
ពេលណាខ្ញុំគួរប្រើតម្លៃ p ដែលមានមូលដ្ឋានលើ z ជំនួសឲ្យតម្លៃដែលមានមូលដ្ឋានលើ t & # 160;?
ប្រើតម្លៃដែលមានមូលដ្ឋានលើ z ពេលដែលការផ្លាស់ប្ដូរស្តង់ដាររបស់ប្រជាជនគឺបានដឹង ឬគំរូគឺធំ (ប្រហែល n ≥ 30) & # 160; ។ សម្រាប់គំរូតូចមួយដែលមានការផ្លាស់ប្ដូរស្តង់ដារដែលបានប៉ាន់ប្រមាណ ការចែកចាយ t ផ្ដល់តម្លៃ p ត្រឹមត្រូវជាង & # 160; ។
តើអ្វីជាភាពខុសគ្នារវាងតម្លៃ p និងកម្រិតសំខាន់ & # 160;?
កម្រិតសំខាន់ α គឺជាកម្រិតកំណត់ដែលអ្នកកំណត់ជាមុន ដូចជា ០. ០៥ ។ តម្លៃ p ត្រូវបានគណនាពីទិន្នន័យរបស់អ្នក ។ អ្នកបដិសេធការសន្និដ្ឋានទទេពេលតម្លៃ p ធ្លាក់ក្រោម α ។
API — ប្រើម៉ាស៊ីនគិតលេខនេះពីកូដ
ទូរស័ព្ទទៅម៉ាស៊ីនគិតលេខនេះជាចំណុចបញ្ចប់ JSON ឥតគិតថ្លៃ - គ្មានគ្រាប់ចុចដែលត្រូវការ & # 160; ។ ផ្ញើតម្លៃវាលខាងក្រោមជាប៉ារ៉ាម៉ែត្រសំណួរ ឬ JSON & # 160; ។ អានឯកសារ API ពេញលេញ →
ចំណុចបញ្ចប់
GET https://calculator.free/api/v1/p-value/curl
curl "https://calculator.free/api/v1/p-value/?z=1.96&tail=two"JavaScript fetch()
const r = await fetch(
"https://calculator.free/api/v1/p-value/?" + new URLSearchParams({
"z": "1.96",
"tail": "two"
}));
const data = await r.json();
console.log(data.results);លទ្ធផលគឺការប៉ាន់ប្រមាណសម្រាប់តែការណែនាំទូទៅប៉ុណ្ណោះ, មិនហិរញ្ញវត្ថុ, វេជ្ជសាស្ត្រឬដំបូន្មានពន្ធ.