statistisk kalkylator för p-värde

Konvertera en tillhandahållen standard-normal teststatistik till en viss sannolikhetsteststatistik med z den explicita sannolikhetsteststatistiken. Visade p-värden är begränsade till sex decimaler, vilket matchar den testade noggrannheten för den aktuella numeriska approximationen. Den här sidan härleder inte standard-normalteststatistiken betecknad med z från rådata eller behandlar ett litet statistiskt p-värde som sannolikheten att en hypotes är sann.

Var kalkylatorn till hjälp?

Så använder du kalkylatorn

Ange standard-normal teststatistik betecknad med z och om alternativet är tvåsidig, nedre svans eller övre svans.

Granska hur standard-normalteststatistiken betecknad med z härleddes, om normalmodellantaganden håller och om svansen valdes innan du såg data.

Läs statistiskt p-värde under standardnormalmodellen och den inmatade standard-normalteststatistiken betecknad med z och jämför de visade antagandena innan du återanvänder svaret.

Formel

För standardnormalfördelningens CDF Φ gäller: vänstersvansens p = Φ(z), högersvansens p = 1 − Φ(z) och tvåsidigt p = 2 × [1 − Φ(|z|)]. Resultaten begränsas till sannolikhetsintervallet från 0 till 1.

Beräkningsexempel

standard-normalteststatistiken betecknad med z av 1.96 ger ett tvåsidigt statistiskt p-värde på ungefär 0.049996 vid den visningsprecision som stöds; z = 0 ger 0.5 för antingen enkelsvans och 1.0 för en dubbelsidig beräkning.

Referensguide

Formeldetaljer och resultatvägledning

Följ variablerna, härledning, precisionsregel och bearbetade fall nedan för att reproducera beräkningen oberoende.

Variabler

Formelvariabler, enheter och roller
Symbol	Mening	Enhet	Roll
z	Standard normal teststatistik	standardavvikelser	Ingång
Φ(z)	Standard normal kumulativ sannolikhet	sannolikhet	Mellanliggande
p	p-värde för den valda svansen	sannolikhet	Utgång

Härledning

Sannolikheten för vänster svans är p = Φ(z), medan sannolikheten för höger svans är p = 1 − Φ(z).
För ett symmetriskt tvåsidigt z-test, p = 2 × min[Φ(z), 1 − Φ(z)].
Sannolikheten är begränsad till [0, 1] efter numerisk utvärdering av standardnormalen CDF.

Avrundning och precision

Den normala CDF utvärderas numeriskt och p-värden visar inte mer än 6 decimaler, vilket matchar den testade noggrannheten för den aktuella approximationen. Värden som visas som 0 är under skärmupplösningen, inte bevis på ett omöjligt nollresultat.

Arbetade och gränsexempel

Arbetat exempel

Tvåsidig positiv z

Ingång: z = 1.96; dubbelsidigt
Utgång: p ≈ 0.049996

De två symmetriska svansarna bidrar vardera med ungefär 0.025.

Arbetat exempel

Höger svans test

Ingång: z = 2.3263; höger svans
Utgång: p ≈ 0.01

Det valda alternativet avgör vilken svans som räknas.

Gränsfall

Distributionscentrum

Ingång: z = 0; dubbelsidigt
Utgång: p = 1

En centrerad statistik är inte extrem i någon riktning.

Vanliga misstag

Välja dubbelsidig utdata efter att ha format en riktningshypotes från det observerade resultatet.
Att tolka p som sannolikheten att nollhypotesen är sann.
Använda en z-fördelning när samplingsmodellen eller teststatistiken kräver en annan referensfördelning.

Hur man tolkar resultatet

P-värdet är sannolikheten, under den angivna nollmodellen, för en teststatistik som är minst lika extrem i den valda svansriktningen. Det är inte en effektstorlek eller en posterior sannolikhet för en hypotes.

Omfattning

Lämplig för

Reproducera en standard-normal svanssannolikhet från en känd z-statistik.
Kontrollera en- och tvåsidig z-test aritmetik.

Använd inte för

Att välja test eller svans efter att ha tittat på resultatet.
Att fatta ett sakligt beslut utan antaganden, effektstorlek, osäkerhet och sammanhang.

Nästa verktyg i arbetsflödet

Bevis och källor

Ett p-värde mäter svansextremitet under nollmodellen, inte sannolikheten att nollhypotesen är sann.National Institute of Standards and Technology: What are confidence intervals and p-values?Stödjer: P-värden som svanssannolikheter under en specificerad nollmodell och förvalda signifikansnivåer. Recenserad 2026-08-22.
Standardnormalfördelningen är symmetrisk och dess CDF ger sannolikheten i en svans för ett givet z-värde.National Institute of Standards and Technology: Normal DistributionStödjer: Standard normal densitet, kumulativ sannolikhet och kvantilförhållande. Recenserad 2026-08-22.
Den nedre, övre eller tvåsidiga svansen måste matcha den alternativa hypotesen som valts före tolkningen.OpenStax: Introductory Statistics 2e — Full Hypothesis-Test ExamplesStödjer: Nollhypotestest, p-värden, konfidensintervall och distributionsval. Recenserad 2026-08-22.

Antaganden och begränsningar

Använd detta endast när en standardnormal referensfördelning är motiverad. Det ersätter inte studiedesign, analys av effektstorlek, korrigering för multipla tester eller domänspecifik tolkning.
statistisk kalkylator för p-värde använder endast de värden som angetts i formuläret och drar inte slutsatser om ett institutions-, policy-, kontrakt-, populations- eller projektvillkor.
Arbetsberäkningar behåller full numerisk precision; visningsavrundning är separat och bör inte kopieras till en senare beräkning när det oavrundade värdet är tillgängligt.

Källor

National Institute of Standards and Technology: What are confidence intervals and p-values?P-värden som svanssannolikheter under en specificerad nollmodell. Granskad 2026-08-22.
National Institute of Standards and Technology: Normal DistributionStandardnormalfördelningen, kumulativ sannolikhet och kvantiler. Granskad 2026-08-22.
OpenStax: Introductory Statistics 2e — Full Hypothesis-Test ExamplesNormala svansar, p-värden, konfidensintervall och statistisk tolkning. Granskad 2026-08-22.

Relaterade kalkylatorer

Verifiering

Så kontrolleras den här kalkylatorn

Förtroende kommer från reproducerbara belägg, inte från en modells säkerhet. På den här sidan kan du granska formeln, antagandena, räkneexemplet och de angivna källorna.

Versionshanterad beräkningFormellogiken hålls åtskild från gränssnittet och täcks av automatiserade register- och beteendekontroller.
Källbelagda underlagLänkade källor för oberoende kontroll: 3.
Transparent användning av AIAI kan hjälpa till med utkast eller kritisk granskning. Överensstämmelse mellan modeller är inte bevis, och mänsklig expertgranskning påstås bara när en namngiven granskare visas.

Vanliga frågor

Hur fungerar statistisk kalkylator för p-värde ?

Vad ska jag ange i statistisk kalkylator för p-värde?

Ange ett z-värde och om alternativhypotesen är tvåsidig, vänstersidig eller högersidig. Kontrollera sedan hur z-värdet härleddes, om normalmodellens antaganden gäller och om svansen valdes innan data granskades.

När ska jag undvika att bara lita på statistisk kalkylator för p-värde?

Använd detta endast när en standardnormal referensfördelning är motiverad. Det ersätter inte studiedesign, analys av effektstorlek, korrigering för multipla tester eller domänspecifik tolkning.

Senast uppdaterad 2026-08-25 · standard-normal-tail-six-decimal-v2 · content-2026-08-22 · Maskinöversättning; formler och källor kontrollerades i den engelska källan på det visade granskningsdatumet.