P-Hodnota

Převod Z-Skóre na Pravděpodobnost Náhody

P-hodnota je pravděpodobnost vidění výsledku alespoň tak extrémního jako pozorovaný, čistě náhodou, kdyby ve skutečnosti neexistoval žádný skutečný efekt. Zadejte z-skóre a vyberte typ testu, a tato kalkulačka jej převede na p-hodnotu — standardní číslo používané k rozhodnutí, zda je výsledek statisticky významný. Pokud máte surová data vzorku místo už vypočítaného z-skóre, najděte jej nejprve s Kalkulačka Z-Skóre.

Menší p-hodnota znamená, že by pozorovaný výsledek byl méně pravděpodobný, kdyby se stal pouhou náhodou, což je silnější důkaz proti předpokladu, že se neděje nic skutečného („nulová hypotéza“). Podle dlouhodobé konvence napříč většinou oborů je p-hodnota pod 0,05 obecně považována za statisticky významnou — ale tento práh je konvence, ne přírodní zákon, a co se počítá jako „dostatečně významné“ se může lišit podle oboru a podle toho, jak nákladný by byl nesprávný závěr.

Formule

Pro levostranný test (je výsledek neobvykle nízký?):

$$p = \Phi(\vA{z})$$

Pro pravostranný test (je výsledek neobvykle vysoký?):

$$p = 1 - \Phi(\vA{z})$$

Pro obousměrný test (je výsledek neobvyklý v libovolném směru?):

$$p = 2 \times \left(1 - \Phi(|\vA{z}|)\right)$$

Kde $\vA{z}$ je z-skóre a $\Phi$ je kumulativní distribuční funkce standardního normálního rozdělení — pravděpodobnost, že náhodně vybraná hodnota z tohoto rozdělení spadne na nebo pod daný bod, zde vypočítána pomocí dobře zavedené polynomiální aproximace chybové funkce.

Řešený Příklad

1. Z-skóre 1,96 je učebnicový referenční bod pro obousměrný test na konvenční 95% hladině spolehlivosti: $p = 2 \times (1 - \Phi(1,96)) \approx 2 \times (1 - 0,975) \approx 0,0500$. 2. P-hodnota asi 0,05 sedí přesně na konvenčním prahu významnosti. 3. Vyšší z-skóre 2,576 (obousměrný referenční bod pro 99% spolehlivost) dá menší, významnější p-hodnotu asi 0,0100.

Klíčové Faktory ke Zvážení

• P-hodnota NEŘÍKÁ pravděpodobnost, že je nulová hypotéza pravdivá. Toto je jedna z nejběžnějších chybných interpretací ve statistice — p-hodnota 0,03 znamená, že existuje 3% šance vidění výsledku takto extrémního (nebo extrémnějšího), KDYBY byla nulová hypotéza pravdivá, ne 3% šanci, že je nulová hypotéza skutečně správná.
• Jednostranný a obousměrný test na stejném z-skóre dávají odlišné p-hodnoty, a výběr toho nesprávného může zavádět. Jednostranný test kontroluje efekt jen v jednom konkrétním směru, zatímco obousměrný test kontroluje efekt v obou směrech — volba by měla být rozhodnuta na základě skutečné výzkumné otázky PŘED pohledem na data, ne vybrána dodatečně k vytvoření příznivěji vypadající p-hodnoty.
• Statistická významnost a praktická významnost jsou dvě odlišné věci. S dostatečně velkou velikostí vzorku i drobný, prakticky nevýznamný efekt může vytvořit velmi malou p-hodnotu — statisticky významný výsledek automaticky neznamená důležitý nebo velký efekt v reálném světě, a velikost efektu by měla být zvážena spolu s p-hodnotou.
• Konvenční práh 0,05 je široce používaná konvence, ne univerzální vědecký zákon. Některé obory (jako fyzika částic) vyžadují mnohem přísnější prahy před prohlášením objevu, zatímco jiné považují 0,05 za rozumný standard — co se počítá jako „dostatečně významné” závisí na oboru a na nákladech omylu.

Časté Chyby

• Rozhodování o typu testu až po pohledu na výsledky. Volba mezi jednostranným a obousměrným testem by měla vycházet ze skutečné výzkumné otázky, rozhodnuté před tím, než jsou data k dispozici — přepnutí na test, který dodatečně vytvoří menší p-hodnotu, je formou manipulace s daty, i když nezáměrnou.
• Uvádění p-hodnoty bez jakékoli míry velikosti efektu. P-hodnota vypovídá pouze o tom, jak nepravděpodobný je výsledek za nulové hypotézy — neříká nic o tom, jak velký nebo smysluplný je tento výsledek ve skutečnosti, proto se p-hodnota obvykle uvádí spolu s intervalem spolehlivosti nebo velikostí efektu, ne samostatně.
• Považování p = 0,049 a p = 0,051 za zásadně odlišné výsledky. Hranice 0,05 je konvence, ne ostrá čára v přírodě — dva takto blízké výsledky mají prakticky stejnou sílu důkazu, i když jeden technicky překročí práh a druhý ne.
• Provádění mnoha testů a uvádění jen těch, které vyšly jako významné. Testování dostatečného počtu srovnání nakonec čistě náhodou najde „významný” výsledek — smysl p-hodnoty předpokládá jediný, předem naplánovaný test, ne nejlepší výsledek vybraný z mnoha.

Užitečné Informace

• Začínáte od surových dat vzorku místo už známého z-skóre? Kalkulačka Z-Skóre převede surovou hodnotu vůči známému průměru a směrodatné odchylce na z-skóre, které tato kalkulačka potřebuje.
• Chcete rozsah pravděpodobných hodnot místo jediného verdiktu o významnosti? Kalkulačka Intervalu Spolehlivosti vyjadřuje nejistotu jako interval, běžný doplněk p-hodnoty, ne její náhradu.
• Potřebujete nejprve souhrnné statistiky — průměr, směrodatnou odchylku, rozptyl — ze surového seznamu čísel? Kalkulačka Statistiky je vypočítá přímo z vašich dat.