Рабочий пример
Двусторонний положительный z
- Ввод
- z = 1.96; двусторонний
- Выход
- p ≈ 0.049996
Каждый из двух симметричных хвостов вносит около 0.025.
статистический калькулятор p-значения
Преобразуйте предоставленную стандартно-нормальную тестовую статистику, обозначенную z, в хвостовую вероятность, сохраняя при этом явную альтернативную гипотезу. Отображаемые значения p ограничены шестью десятичными знаками, что соответствует проверенной точности текущего числового приближения. На этой странице не выводятся стандартно-нормальные тестовые статистические данные, обозначаемые буквой z, из необработанных данных и не рассматриваются небольшое статистическое значение p как вероятность того, что гипотеза верна.
Калькулятор был полезен?
Как пользоваться калькулятором
Введите стандартно-нормальную статистику теста, обозначенную z, и укажите, является ли альтернатива двусторонней, с нижним хвостом или с верхним хвостом.
Посмотрите, как была получена статистика стандартного нормального теста, обозначенная z, выполняются ли предположения нормальной модели и был ли выбран хвост до просмотра данных.
Считайте статистическое значение p в соответствии со стандартной нормальной моделью и введенной статистикой стандартного нормального теста, обозначенной z, и сравните отображаемые предположения перед повторным использованием ответа.
Формула
Для стандартного нормального CDF Φ, нижнего хвоста p = Φ(z), верхнего хвоста p = 1 − Φ(z) и двустороннего p = 2 × [1 − Φ(|z|)]. Результаты ограничены интервалом вероятности от 0 до 1.
Пример расчёта
стандартно-нормальная тестовая статистика, обозначенная z из 1.96 , дает двустороннее статистическое значение p примерно 0.049996 при поддерживаемой точности отображения; z = 0 дает 0.5 для одного хвоста и 1.0 для двустороннего расчета.
Справочное руководство
Детали формулы и руководство по получению результатов
Следуйте приведенным ниже переменным, выводу, правилу точности и рабочим случаям, чтобы воспроизвести расчет независимо.
Переменные
| Символ | Значение | Единица | Роль |
|---|---|---|---|
| z | Стандартная нормальная статистика теста | стандартные отклонения | Ввод |
| Φ(z) | Стандартная нормальная кумулятивная вероятность | вероятность | Средний |
| p | p-значение для выбранного хвоста | вероятность | Выход |
Вывод
- Вероятность левого хвоста равна p = Φ(z), а вероятность правого хвоста равна p = 1 − Φ(z).
- Для симметричного двустороннего z-теста p = 2 × min[Φ(z), 1 − Φ(z)].
- Вероятность ограничена значением [0, 1] после численной оценки стандартного нормального CDF.
Округление и точность
Обычный CDF оценивается численно, а значения p отображают не более 6 десятичных знаков, что соответствует проверенной точности текущего приближения. Значения, отображаемые как 0, ниже разрешения экрана и не являются доказательством невозможного нулевого результата.
Проработанные и граничные примеры
Рабочий пример
Тест правого хвоста
- Ввод
- z = 2.3263; правый хвост
- Выход
- p ≈ 0.01
Выбранная альтернатива определяет, какой хвост учитывается.
Граничный случай
Центр дистрибуции
- Ввод
- z = 0; двусторонний
- Выход
- p = 1
Центрированная статистика не является экстремальной ни в одном направлении.
Распространенные ошибки
- Выбор двустороннего выхода после формирования гипотезы направления на основе наблюдаемого результата.
- Интерпретация p как вероятность того, что нулевая гипотеза верна.
- Использование распределения z, когда модель выборки или тестовая статистика требуют другого эталонного распределения.
Как интерпретировать результат
Значение p — это вероятность, согласно заявленной нулевой модели, тестовой статистики, по крайней мере, столь же экстремальной в выбранном направлении хвоста. Это не величина эффекта или апостериорная вероятность гипотезы.
Область применения
Подходит для
- Воспроизведение стандартно-нормальной хвостовой вероятности на основе известной z-статистики.
- Проверка одно- и двусторонней арифметики z-теста.
Не используйте для
- Выбор теста или хвоста после просмотра результата.
- Принятие существенного решения без предположений, размера эффекта, неопределенности и контекста.
Инструменты для той же задачи
Следующие инструменты в рабочем процессе
Доказательства и источники
- Значение p измеряет экстремальность хвоста в рамках нулевой модели, а не вероятность того, что нулевая гипотеза верна.National Institute of Standards and Technology: What are confidence intervals and p-values?Поддерживает: P-значения как хвостовые вероятности в рамках указанной нулевой модели и заранее выбранных уровней значимости. Рассмотрено 2026-08-22.
- Стандартное нормальное распределение вероятностей симметрично, и его CDF обеспечивает хвостовые вероятности для z.National Institute of Standards and Technology: Normal DistributionПоддерживает: Стандартная нормальная плотность, кумулятивная вероятность и квантильное соотношение. Рассмотрено 2026-08-22.
- Нижний, верхний или двусторонний хвост должен соответствовать альтернативной гипотезе, выбранной перед интерпретацией.OpenStax: Introductory Statistics 2e — Full Hypothesis-Test ExamplesПоддерживает: Проверка нулевой гипотезы, значения p, доверительные интервалы и выбор распределения. Рассмотрено 2026-08-22.
Допущения и ограничения
- Используйте это только тогда, когда оправдано стандартное нормальное распределение ссылок. Оно не заменяет дизайн исследования, анализ размера эффекта, коррекцию множественных тестов или интерпретацию, специфичную для предметной области.
- статистический калькулятор p-значения использует только значения, введенные в форму, и не делает вывод об учреждении, политике, контракте, численности населения или состоянии проекта.
- Рабочие расчеты сохраняют полную числовую точность; Округление дисплея выполняется отдельно и не должно копироваться в последующие вычисления, если доступно неокругленное значение.
Источники
- National Institute of Standards and Technology: What are confidence intervals and p-values?P-значения как хвостовые вероятности в соответствии с заданной нулевой моделью. Проверено 2026-08-22.
- National Institute of Standards and Technology: Normal DistributionСтандартное нормальное распределение, кумулятивная вероятность и квантили. Проверено 2026-08-22.
- OpenStax: Introductory Statistics 2e — Full Hypothesis-Test ExamplesНормальные хвосты, значения p, доверительные интервалы и статистическая интерпретация. Проверено 2026-08-22.
Связанные калькуляторы
Проверка
Как проверяется этот калькулятор
Доверие основано на воспроизводимых доказательствах, а не на уверенности модели. На этой странице можно проверить формулу, допущения, решённый пример и указанные источники.
- Версионируемый расчётЛогика формулы отделена от интерфейса и покрыта автоматическими проверками реестра и поведения.
- Подтверждённые источникиИсточники для независимой проверки: 3.
- Прозрачное использование ИИИИ может помогать при подготовке текста или критической проверке. Согласие моделей не является доказательством; проверка человеком-экспертом заявляется только при наличии имени проверяющего.
Частые вопросы
Как работает статистический калькулятор p-значения ?
Для стандартного нормального CDF Φ, нижнего хвоста p = Φ(z), верхнего хвоста p = 1 − Φ(z) и двустороннего p = 2 × [1 − Φ(|z|)]. Результаты ограничены интервалом вероятности от 0 до 1.
Что мне следует ввести в статистический калькулятор p-значения?
Введите статистику стандартного нормального теста, обозначенную z, и укажите, является ли альтернатива двусторонней, с нижним хвостом или с верхним хвостом, затем проверьте, как была получена статистика стандартного нормального теста, обозначенная z, выполняются ли предположения нормальной модели и был ли выбран хвост до просмотра данных.
Когда мне следует избегать использования только статистический калькулятор p-значения?
Используйте это только тогда, когда оправдано стандартное нормальное распределение ссылок. Оно не заменяет дизайн исследования, анализ размера эффекта, коррекцию множественных тестов или интерпретацию, специфичную для предметной области.
Последнее обновление 2026-08-25 · standard-normal-tail-six-decimal-v2 · content-2026-08-22 · Машинный перевод; формулы и источники были проверены в англоязычном источнике на указанную дату обзора.