输入一个检验统计量——z、t(带自由度)或卡方(带 df)——即可获得确切的单尾和双尾 p 值,以及在通常的 0.05 和 0.01 水平上的通俗结论。
它不是原假设为真的概率,也不是通俗意义上您的结果是偶然的概率。它衡量的是如果原假设为真,数据会有多令人惊讶——仅此而已,这就是为什么效应量和置信区间与它同样重要。
双尾是诚实的默认选择:它计算两个方向的极端值,必须在查看数据前选择。单尾检验只有在方向预先固定且另一个方向真正不可能或不相关时才站得住脚。
几乎不会。0.05 这条线是约定,不是证据中的悬崖。好的报告给出确切的 p 值,这正是本计算器返回的。
卡方检验本质上是右尾检验:统计量越大,说明与期望计数的偏离越大,因此只适用右尾 p 值。
P 值从每个分布的累积函数读取:对于 z,Φ 来自标准正态;对于 t,t CDF 通过不完全 beta 函数;对于卡方,卡方 CDF 通过不完全 gamma 函数。z/t 的双尾 p = 2 × (1 − CDF(|statistic|));卡方只使用右尾:p = 1 − CDF(statistic)。
输入项: z = 1.96.
步骤: Φ(1.96) = 0.97500。右尾 = 1 − 0.97500 = 0.02500。双尾 = 2 × 0.02500 = 0.0500。
结果: 双尾 p = 0.0500 ——恰好在惯例的0.05线上,这就是1.96成为著名临界值的原因。
将本计算器添加到您自己的网站或博客——完全免费,无需注册,并且始终显示最新版本。复制下面的代码,粘贴到您希望计算器出现的页面位置。在嵌入下方保留小小的 “Powered by Loona Automation” 署名行有助于保持本工具免费——但您可以自由设置样式或将其移除;无论哪种方式工具都能工作。