Calculateur De Valeur P | Interprétez La Valeur P ! (2024)

La probabilité que la statistique de test produise des valeurs à l'extrémité la plus basse de la valeur qu'elle a produite dans votre échantillon. Il est important de garder à l'esprit que cette probabilité a été calculée sous l'hypothèse d'une vraie hypothèse nulle !

La valeur p est plus intuitive et répond à la question: si je suppose que l'hypothèse nulle est vraie, alors quelle est la probabilité que le test que je fais pour un autre échantillon produise une valeur au moins aussi extrême que celle que j'ai vue pour l'échantillon que j'ai déjà?

Vous devez comprendre la distribution de la statistique de test, en supposant que l'hypothèse nulle est vérifiée. La fonction de distribution cumulative (cdf) peut être utilisée pour exprimer la probabilité que les statistiques de test soient au moins aussi extrêmes et aussi extrêmes que la valeur x de l'échantillon.

Les tests d'hypothèses sont caractérisés par les distributions de probabilité les plus courantes. Cela peut compliquer le calcul manuel de la valeur p. Il est probable que vous deviez utiliser un ordinateur ou un tableau statistique pour calculer les valeurs approximatives du cdf.

Vous savez maintenant comment calculer la valeur p. Mais, pourquoi voudriez-vous faire cela ? L'approche de la valeur p pour les tests d'hypothèse est une alternative à l'approche de la valeur critique. Le niveau de signification (a) est ce que les chercheurs doivent définir avant de rejeter l'hypothèse nulle si elle est vraie (donc erreur). Pour déterminer rapidement s'il faut rejeter les hypothèses nulles à ce niveau de signification, vous devrez simplement comparer votre valeur de p avec n'importe quelle valeur donnée a. Nous expliquerons en détail comment interpréter les p-values.

Nous avons déjà mentionné que la p-value répond à la question suivante.

Si je suppose que l'hypothèse nulle est vraie, alors quelle est la probabilité que le test que je fais pour un autre échantillon produise une valeur au moins aussi extrême que celle que j'ai vue pour celui que j'ai déjà ?

Qu'est-ce que cela signifie pour toi? Vous avez deux choix:

Il se peut que l'hypothèse nulle soit valable, mais votre échantillon est très inhabituel. Imaginez que nous étudions les effets d'un nouveau médicament et obtenons une valeur p de 0,03. Dans 3% des études similaires à la nôtre, cela signifie que même si le médicament n'avait aucun effet, le hasard pouvait toujours produire la même valeur ou même plus.

Vous pouvez répondre à la question "Quelle est la valeur p?" par ce qui suit : Une valeur de p est le niveau de signification le plus bas qui conduirait au rejet de l'hypothèse nulle. Maintenant, vous devrez décider de l'hypothèse nulle à un certain niveau de signification. Comparez simplement votre valeur p avec.

Le sort de l'hypothèse nulle est déterminé par a. Si la valeur de p était de 0,03, nous rejetterions les hypothèses nulles à un niveau de signification de 0,05 mais pas à 0,01. C'est pourquoi il est important de spécifier le niveau de signification à l'avance et de ne pas ajuster après que la valeur p a été déterminée. Un seuil de signification de 0,05 représente la valeur la plus courante. Cependant, ce n'est pas magique.

Notre calculateur de valeur p facilite le calcul de la valeur p pour les statistiques de test complexes. Voici les étapes à suivre :

Si vous avez besoin d'augmenter la précision avec laquelle les calculs sont effectués ou de modifier la signification, passez en mode avancé.

Les formules suivantes sont utilisées pour calculer la valeur p de la fonction de distribution cumulative (CDF) de la distribution normale standard. Il est traditionnellement désigné par Ph.

valeur p = Ph (Z==score==)

valeur p = 1 - (Z==score==)

valeur p = 2 * Ph (- | Z==score==|)

ou

valeur p = 2 - 2 * Ph (- | Z==score==|)

Si la statistique de test se rapproche de la distribution normale N(0,1), nous utilisons le. Le théorème central limite vous permet de compter sur l'approximation lorsque vous avez de grands échantillons (disons 50 points de données) et de traiter la distribution comme normale.

La valeur du score t peut être calculée à l'aide des formules suivantes. cdf==t, d== représente la fonction de distribution cumulative pour la distribution t-Student avec degrés de liberté.

valeur p = cdf==t, d==(t==score==)

p-value = 1 - cdf==t, d==(t==score==|)

valeur p = 2 * cdf==t, d==(-|t==score==|)

ou

valeur p = 2 - 2 * cdf==t, d==(|t==score==|)

Si votre statistique de test est dans la distribution des étudiants, vous pouvez utiliser l'option t-score. Cette distribution est de forme similaire à N(0.1) (en forme de cloche, symétrique), mais elle a plus de queues. Le paramètre degrés de liberté détermine la forme exacte. La distribution t-Student peut être distinguée de la distribution normale N(0.1) si le nombre de degrés est supérieur à 30.

La valeur p ne peut pas être négative. Étant donné que les probabilités ne peuvent pas être négatives, la valeur de p est la probabilité que la statistique de test satisfasse à certaines conditions.

Une valeur de p élevée signifie qu'il y a de fortes chances que la statistique de test d'un autre échantillon produise une valeur au moins aussi extrême que celle de votre échantillon. Vous ne pouvez pas rejeter l'hypothèse nulle si votre valeur de p est élevée.

Des valeurs de p faibles indiquent qu'il y a peu de chances que la statistique de test pour un autre échantillon produise une valeur au moins aussi extrême ou similaire à celle qui a été observée pour l'échantillon actuel. Les faibles valeurs de p sont la preuve de l'hypothèse alternative. Ils vous permettent de le rejeter.