P-တန်ဖိုးကိုဂဏန်းတွက်စက် (Z မှ)
z- အမှတ်ကို တစ်ခု (သို့) နှစ်ခု မျက်နှာပြင်ရှိ p- တန်ဖိုး တခုဆီကို ပြောင်းပါ
သင်ရိုက်ထည့်သလိုရလဒ်များကို update လုပ်ပါ
ဤဂဏန်းတွက်စက်အကြောင်း
large p-value means your data would be surprising under the null hypothesis, which counts as evidence against it. This tool convertsaz-score (the standard-normal test statistic) intoap-value — the probability of observingaresult at least as extreme as yours if the null hypothesis is true. The left-tailed value is P(Z ≤ z), the right-tailed value is P(Z ≥ z), and the two-tailed value is 2 × P(Z ≥ |z|) — double the smaller tail. This tool applies to z-tests and large-sample approximations. This tool convertsaz-score (the standard-normal test statistic) intoap-value.ChooseaWorked example:az-score of 1.
မေးလေ့ရှိသောမေးခွန်းများ
p-value ဆိုတာဘာလဲ?
အဆိုပါ p-value ကိုဖြစ်နိုင်ခြေဖြစ်ပါသည်, တစ်ခုကိုသတိပြုမိအဖြစ်အနည်းဆုံးအဖြစ်ပြင်းထန်သောအဖြစ်စမ်းသပ်မှုစာရင်းအင်းရယူခြင်း၏, null hypothesis ကိုမှန်ကန်သည်ဟုယူဆ. သေးငယ်တဲ့ p-value ကိုသင့်ရဲ့ data ကို null hypothesis အောက်တွင်မဖြစ်နိုင်ကြောင်းဆိုလိုတယ်, ဒါကိုဆန့်ကျင်အထောက်အထားဖြစ်ပါတယ်.
ဘယ်လိုတစ်ဦးတစ်ဦး-tailed မှနှစ်ဦး-tailed p-value ကိုကွဲပြားခြားနားသလဲ?
တစ်နှစ်-tailed စမ်းသပ်မှုနှစ်ဦးစလုံးလမ်းကြောင်းများအလွန်ရလဒ်များကိုစာရင်းပြုစု, ဒါကြောင့်၎င်း၏ p-value ကိုတူညီတဲ့ |z| အတွက်တစ်ဦး-tailed တန်ဖိုးကိုနှစ်ဆဖြစ်ပါသည်. သင်သာခြားနားချက်ရှိကြောင်းဂရုစိုက်တဲ့အခါနှစ်ဦး-tailed အသုံးပြု, နှင့်သင်ရှေ့ဆက်လမ်းကြောင်းကိုခန့်မှန်းတဲ့အခါတစ်ဦး-tailed ။
p <0.05 အမြဲအရေးပါသည်ဖြစ်ပါသည်?
0.05 ရိုးရှင်းတဲ့စည်းမျဉ်းတစ်ခုသာဖြစ်ပါသည်, ဥပဒေမဟုတ်. ဒါဟာတစ်ဦးမှားယွင်းအပြုသဘော၏ 5% အခွင့်အလမ်းကိုဆိုလိုတယ်. နယ်ပယ်နှင့်မှားယွင်းသောဖြစ်ခြင်း၏ကုန်ကျစရိတ်ပေါ် မူတည်., 0.01 ကဲ့သို့သောတင်းကျပ်သောကန့်သတ်ချက်များမကြာခဏပိုမိုသင့်လျော်ကြသည်။
z-scores ကို p-value အဖြစ် ဘယ်လိုပြောင်းလဲလဲ?
သင့်ရဲ့ z-score ကျော်လွန်စံချိန်စံညွှန်း-ပုံမှန်ဖြန့်ဝေ၏နောက်ကျောဧရိယာကိုကြည့်ရှု. ဤ tool ကိုသင်တို့အဘို့အဒါကိုလုပ်: ဘယ်ဘက်နောက်ကျော P (Z ≤ z) ဖြစ်ပါတယ်, ညာဘက်နောက်ကျော 1 − P (Z ≤ z) ဖြစ်ပါတယ်, နှင့်နှစ်ဦး-tailed p-value နှစ်ဦး၏သေးငယ်တဲ့နှစ်ဆ။
ကြီးမားတဲ့ p-value ကို null hypothesis ကိုမှန်ကန်ကြောင်းသက်သေပြပါသလား?
ဟုတ်ကဲ့. ကြီးမားတဲ့ p-value ကိုသာသင်၏ဒေတာ null hypothesis နှင့်အတူလိုက်လျောညီထွေဖြစ်အောင်ဖြစ်ပါတယ်ဆိုလိုသည်, null သက်သေပြသည်မဟုတ်. ဒါကိုဆန့်ကျင်သက်သေအထောက်အထားမရှိခြင်းသည်ဒါကိုသက်သေအထောက်အထားမဟုတ်ပါဘူး; သင်ရိုးရှင်းစွာတစ်သက်ရောက်မှု detect လုပ်ဖို့နမူနာအရွယ်အစားမလုံလောက်နိုင်.
ဘယ်အချိန်မှာကျွန်တော်တစ်ဦး t-based တစ်ခုအစား z-based p-value ကိုအသုံးပြုသင့်သလဲ?
ပြည်သူ့စံပြ deviations သိရှိရသို့မဟုတ်နမူနာကြီးမားသည် (အကြမ်းဖျင်း n ≥ 30) အခါ z-based တန်ဖိုးကိုအသုံးပြုပါ။ မျှော်လင့်ထားစံပြ deviations နှင့်အတူသေးငယ်တဲ့နမူနာများအတွက်, တစ်ဦး t-distribution ပိုမိုတိကျတဲ့ p-တန်ဖိုးကိုပေးသည်။
p-value နှင့် အဓိပ္ပါယ်ရှိမှုအဆင့်အကြား ကွာခြားချက်ကဘာလဲ။
အဆိုပါအရေးပါမှုအဆင့်အ α သင်အလိုအလျောက်သတ်မှတ်ထားတဲ့အထက်တန်းစားဖြစ်ပါသည်, အဖြစ် 0.05. အဆိုပါ p-value ကိုသင့်ရဲ့ဒေတာကနေတွက်ချက်သည်. သင်သည် p-value ကိုအောက်တွင်အ α ဆင်းသက်လာတဲ့အခါ null hypothesis ကိုငြင်းပယ်.
API ကို — code ကိုမှဤဂဏန်းတွက်စက်ကိုအသုံးပြု
အခမဲ့ JSON endpoint အဖြစ်ဤဂဏန်းတွက်စက်ကိုခေါ် - လိုအပ်သော key ကိုမရှိ. query parameters တွေကိုသို့မဟုတ် JSON အဖြစ်အောက်ပါ Field Values ကိုပို့. ပြည့်စုံသော API ကိုစာရွက်စာတမ်းများကိုဖတ်ပါ →
အဆုံးသတ်ချက်
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);ရလဒ်များသာယေဘုယျလမ်းညွှန်မှုများအတွက်ခန့်မှန်းချက်ဖြစ်ကြသည်, မငွေကြေး, ဆေးဘက်ဆိုင်ရာသို့မဟုတ်အခွန်အကြံပေးချက်.