P-वैल्यू

Z-स्कोर को संयोग की संभावना में बदलना

एक P-मान वह संभावना है कि, यदि वास्तव में कोई वास्तविक प्रभाव नहीं होता, तो देखे गए परिणाम जितना चरम या उससे अधिक चरम परिणाम विशुद्ध रूप से संयोग से देखने को मिले। एक Z-स्कोर दर्ज करें और एक परीक्षण प्रकार चुनें, और यह कैलकुलेटर इसे एक P-मान में बदलता है — यह तय करने के लिए उपयोग किया जाने वाला मानक आंकड़ा कि क्या कोई परिणाम सांख्यिकीय रूप से महत्वपूर्ण है। यदि आपके पास पहले से गणना किए गए Z-स्कोर के बजाय कच्चा नमूना डेटा है, तो पहले Z-स्कोर कैलकुलेटर से इसे ज्ञात करें।

एक छोटे P-मान का मतलब है कि देखा गया परिणाम केवल संयोग से होने की संभावना कम होगी, जो इस धारणा के खिलाफ मजबूत सबूत है कि कुछ भी वास्तविक नहीं हो रहा है (“शून्य परिकल्पना”)। अधिकांश क्षेत्रों में लंबे समय से चली आ रही परंपरा के अनुसार, 0.05 से नीचे के P-मान को आमतौर पर सांख्यिकीय रूप से महत्वपूर्ण माना जाता है — लेकिन वह सीमा एक परंपरा है, प्रकृति का नियम नहीं, और “पर्याप्त रूप से महत्वपूर्ण” क्या माना जाता है यह क्षेत्र के अनुसार और गलत निष्कर्ष कितना महंगा होगा इसके अनुसार भिन्न हो सकता है।

सूत्र

एक बाएँ-पुच्छीय परीक्षण के लिए (क्या परिणाम असामान्य रूप से कम है?):

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

एक दाएँ-पुच्छीय परीक्षण के लिए (क्या परिणाम असामान्य रूप से अधिक है?):

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

एक द्वि-पुच्छीय परीक्षण के लिए (क्या परिणाम किसी भी दिशा में असामान्य है?):

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

जहाँ $\vA{z}$ Z-स्कोर है और $\Phi$ मानक सामान्य वितरण का संचयी वितरण फ़ंक्शन है — वह संभावना कि उस वितरण से यादृच्छिक रूप से खींचा गया मान किसी दिए गए बिंदु पर या उससे नीचे आता है, यहाँ त्रुटि फ़ंक्शन के एक सुस्थापित बहुपद सन्निकटन के माध्यम से गणना की गई है।

हल किया गया उदाहरण

1. 1.96 का Z-स्कोर पारंपरिक 95% विश्वास स्तर पर द्वि-पुच्छीय परीक्षण के लिए पाठ्यपुस्तक संदर्भ बिंदु है: $p = 2 \times (1 - \Phi(1.96)) \approx 2 \times (1 - 0.975) \approx 0.0500$. 2. लगभग 0.05 का P-मान ठीक पारंपरिक महत्व सीमा पर बैठता है। 3. 2.576 का एक बड़ा Z-स्कोर (99% विश्वास के लिए द्वि-पुच्छीय संदर्भ बिंदु) लगभग 0.0100 का एक छोटा, अधिक महत्वपूर्ण P-मान देता है।

ध्यान रखने योग्य मुख्य बातें

• एक P-मान आपको यह नहीं बताता कि शून्य परिकल्पना सच होने की संभावना क्या है। यह सांख्यिकी में सबसे आम गलत व्याख्याओं में से एक है — 0.03 के P-मान का मतलब है कि यदि शून्य परिकल्पना वास्तव में सच होती तो इतना चरम (या अधिक चरम) परिणाम देखने की 3% संभावना है, इसका यह मतलब नहीं कि शून्य परिकल्पना के वास्तव में सही होने की 3% संभावना है।
• एक ही Z-स्कोर पर एक-पुच्छीय और द्वि-पुच्छीय परीक्षण अलग-अलग P-मान देते हैं, और गलत को चुनना गुमराह कर सकता है। एक एक-पुच्छीय परीक्षण केवल एक विशिष्ट दिशा में प्रभाव की जांच करता है, जबकि एक द्वि-पुच्छीय परीक्षण किसी भी दिशा में प्रभाव की जांच करता है — चुनाव डेटा देखने से पहले वास्तविक शोध प्रश्न के आधार पर तय किया जाना चाहिए, बाद में एक अधिक अनुकूल दिखने वाला P-मान उत्पन्न करने के लिए नहीं चुना जाना चाहिए।
• सांख्यिकीय महत्व और व्यावहारिक महत्व दो अलग चीज़ें हैं। एक पर्याप्त बड़े नमूना आकार के साथ, एक छोटा, व्यावहारिक रूप से अर्थहीन प्रभाव भी एक बहुत छोटा P-मान उत्पन्न कर सकता है — एक सांख्यिकीय रूप से महत्वपूर्ण परिणाम स्वचालित रूप से एक महत्वपूर्ण या बड़ा वास्तविक-दुनिया प्रभाव नहीं है, और प्रभाव आकार को P-मान के साथ-साथ विचार किया जाना चाहिए।
• पारंपरिक 0.05 सीमा एक व्यापक रूप से उपयोग की जाने वाली परंपरा है, कोई सार्वभौमिक वैज्ञानिक नियम नहीं। कुछ क्षेत्रों (जैसे कण भौतिकी) को एक खोज घोषित करने से पहले कहीं अधिक सख्त सीमाओं की आवश्यकता होती है, जबकि अन्य 0.05 को एक उचित मानक मानते हैं — “पर्याप्त रूप से महत्वपूर्ण” क्या माना जाता है यह क्षेत्र और गलत होने की लागत पर निर्भर करता है।

सामान्य गलतियाँ

• परिणाम देखने के बाद परीक्षण प्रकार तय करना। एक-पुच्छीय और द्वि-पुच्छीय परीक्षण के बीच चुनाव वास्तविक शोध प्रश्न से आना चाहिए, जो डेटा हाथ में आने से पहले तय किया गया हो — बाद में जो भी परीक्षण छोटा P-मान देता है उस पर स्विच करना डेटा में हेरफेर का एक रूप है, भले ही यह अनजाने में हो।
• प्रभाव आकार के किसी भी माप के बिना P-मान की रिपोर्ट करना। एक P-मान केवल यह बताता है कि शून्य परिकल्पना के तहत कोई परिणाम कितना असंभावित है — यह इस बारे में कुछ नहीं बताता कि वह परिणाम वास्तव में कितना बड़ा या सार्थक है, यही कारण है कि P-मान को आमतौर पर विश्वास अंतराल या प्रभाव आकार के साथ रिपोर्ट किया जाता है, अकेले नहीं।
• p = 0.049 और p = 0.051 को मौलिक रूप से भिन्न परिणामों के रूप में मानना। 0.05 की सीमा एक परंपरा है, प्रकृति में कोई स्पष्ट रेखा नहीं — इतने करीब के दो परिणाम प्रमाण की शक्ति में व्यावहारिक रूप से समान होते हैं, भले ही एक तकनीकी रूप से सीमा पार करता हो और दूसरा नहीं।
• कई परीक्षण चलाना और केवल उन्हीं की रिपोर्ट करना जो महत्वपूर्ण निकले। पर्याप्त तुलनाओं का परीक्षण करने से अंततः केवल संयोग से एक “महत्वपूर्ण” परिणाम सामने आ जाएगा — P-मान का अर्थ एक ही, पहले से नियोजित परीक्षण मानता है, कई में से चुना गया सबसे अच्छा परिणाम नहीं।

जानने योग्य उपयोगी बातें

• क्या आप पहले से ज्ञात Z-स्कोर के बजाय कच्चे नमूना डेटा से शुरू कर रहे हैं? Z-स्कोर कैलकुलेटर एक ज्ञात माध्य और मानक विचलन के मुकाबले एक कच्चे मान को इस कैलकुलेटर को आवश्यक Z-स्कोर में बदलता है।
• क्या आप एक ही महत्व निर्णय के बजाय संभावित मानों की एक सीमा चाहते हैं? कॉन्फ़िडेंस इंटरवल कैलकुलेटर अनिश्चितता को एक अंतराल के रूप में व्यक्त करता है, जो P-मान का प्रतिस्थापन नहीं बल्कि एक सामान्य साथी है।
• क्या आपको पहले कच्ची संख्याओं की सूची से सारांश आँकड़ों — माध्य, मानक विचलन, विचरण — की आवश्यकता है? सांख्यिकी कैलकुलेटर इन्हें सीधे आपके डेटा से गणना करता है।