P- 增值计算器( 来自 Z)
将z-score转换成一或双尾的p-value。
输入结果时更新 。
关于此计算器
以 z 值 计算 将 z 值 (标准正常测试统计) 转换成 p 值—— 如果无效假设为真, 观察结果的可能性至少与您一样极端。 小 p 值意味着根据无效假设你的数据会令人惊讶, 无效假设将计算为证据。 选择左尾、 右尾或双尾的测试; 三个 p 值都显示为您可以比较。 左尾值为 P( Z ) z z, 右尾值为 P ( Z z), 双尾值为 2 × P ( Z z) 。 两尾值为 2 × P ( Z z ) 。 小型 p 值是标准正常累积分布的双尾值, 因此这个工具适用于 z 测试和 大缩缩略图, 其结果与常规 α = 0.05 的 值一致。 工作示例 : z 96 的 z 表示右尾值为 0. 0.25 和 2 折 。 的双尾
经常问到的问题
什么是P值?
p-值是指假设无效假设是真实的,获得至少与观察到的一样极端的测试统计数据的可能性。 小 p-值意味着根据无效假设你不可能得到数据,而无效假设则是反对数据的证据。
双尾的P值与单尾的值有何不同?
双尾测试在双向计算极端结果, 所以其 p 值是同一 z 的单尾值的两倍。 只需注意差异, 就会使用双尾。 当预言方向时, 使用双尾计算 。
p < 0.05是否总是重要?
0.05只是普通公约,而不是法律。这意味着5%的假阳性概率。 取决于领域和错误的代价,更严格的门槛(如0.01)往往更合适。
我如何将z -score转换成p -value?
查看标准正常分布的尾部区域, 超出z- score。 此工具可以帮助您: 左尾是 P( Z ) z z, 右尾是 1 - P( Z ) z z, 而双尾的 p- 值是两个中小的两倍 。
大型的p价值是否证明无效假设是真实的?
不, 大型 p值仅表示您的数据符合无效假设, 而不是证明无效。 缺乏相反的证据不是证据; 您可能只是缺乏样本大小来检测效果。
什么时候我应该使用一个基于z的 p值而不是t的值?
当已知人口标准差或样本大(大约为n 30)时使用基于z的值。对于估计标准差的小型样本,t分布法提供更准确的p值。
p值和意义水平之间有什么区别?
等值 AL 是您预先设定的阈值, 如 0.05.。 p值是从您的数据中计算出来的。 当 p值低于 α 时, 您拒绝无效假设 。
API - 使用代码中的计算器
将此计算器称为自由 JSON 端点 。 不需要按键 。 将字段值发送到下面作为查询参数或 JSON 。 读取 API 全部文件 →
终点
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);成果仅是一般指导的估计数,而不是财务、医疗或税务咨询。