Калькулятор p-значения

Рассчитайте p-значения на основе статистических критериев, включая z-критерий, t-статистику, хи-квадрат и F-статистику для односторонних и двусторонних проверок гипотез.

⚡ Быстрые примеры:

Тип теста

z-показатель

Степени свободы (df)

Знаменатель df (df₂)

Тип хвоста

Embed Калькулятор p-значения Widget

О Калькулятор p-значения

Калькулятор p-значения вычисляет p-значения на основе статистик теста для четырех основных статистических распределений: стандартного нормального (z), t-распределения Стьюдента, хи-квадрат (χ²) и F-распределения. Он поддерживает односторонние (левосторонние и правосторонние) и двухсторонние проверки гипотез, предоставляет интерактивную визуализацию кривой распределения и предлагает четкую интерпретацию статистической значимости.

Что такое p-значение?

p-значение (вероятностное значение) — это вероятность получения статистики теста, по крайней мере такой же экстремальной, как наблюдаемая, при условии, что нулевая гипотеза (H₀) верна. Оно измеряет силу доказательств против нулевой гипотезы в статистическом тесте.

Для двухстороннего z-теста:

$$p = 2 \times P(Z > |z|) = 2 \times [1 - \Phi(|z|)]$$

Малое p-значение (p < 0.05): Сильное доказательство против H₀ — отвергаем нулевую гипотезу
Большое p-значение (p ≥ 0.05): Слабое доказательство против H₀ — не удается отвергнуть нулевую гипотезу

p-значение не измеряет вероятность того, что H₀ верна, и не измеряет величину или важность эффекта. Оно лишь говорит о том, насколько ваши данные совместимы с H₀.

Как пользоваться этим калькулятором

Выберите тип теста: Выберите распределение, соответствующее вашему статистическому тесту — z-тест (стандартное нормальное), t-тест (Стьюдента), критерий хи-квадрат или F-тест.
Введите статистику теста: Введите рассчитанное вами значение статистики теста. Статистики хи-квадрат и F должны быть неотрицательными.
Введите степени свободы: Для t-тестов и критериев хи-квадрат введите df. Для F-тестов введите степени свободы как числителя (df₁), так и знаменателя (df₂).
Выберите тип хвоста: Выберите двухсторонний для ненаправленных гипотез или левосторонний/правосторонний для направленных гипотез.
Просмотрите результаты: Изучите p-значение, интерактивный график распределения, оценку значимости на нескольких уровнях альфа и интерпретацию на простом языке.

Поддерживаемые статистические тесты

z-Тест (Стандартное нормальное распределение)

Используется, когда известно стандартное отклонение популяции или размер выборки велик (n > 30). z-статистика следует стандартному нормальному распределению $N(0, 1)$ при H₀.

$$z = \frac{\bar{x} - \mu_0}{\sigma / \sqrt{n}}$$

t-Тест (Распределение Стьюдента)

Используется, когда стандартное отклонение популяции неизвестно, а размер выборки мал. t-распределение имеет более «тяжелые» хвосты, чем нормальное распределение, что учитывает дополнительную неопределенность. С увеличением df t-распределение приближается к стандартному нормальному.

$$t = \frac{\bar{x} - \mu_0}{s / \sqrt{n}}, \quad \text{df} = n - 1$$

Критерий хи-квадрат (Распределение χ²)

Используется для проверки согласия и независимости категориальных данных. Распределение хи-квадрат имеет правостороннюю асимметрию и определено только для неотрицательных значений.

$$\chi^2 = \sum \frac{(O_i - E_i)^2}{E_i}$$

F-Тест (F-распределение)

Используется в ANOVA (дисперсионном анализе) и для сравнения дисперсий. F-распределение требует двух параметров степеней свободы (числителя и знаменателя) и определено только для неотрицательных значений.

$$F = \frac{s_1^2}{s_2^2}, \quad \text{df}_1 = n_1 - 1, \quad \text{df}_2 = n_2 - 1$$

Односторонние vs Двухсторонние тесты

Характеристика	Двухсторонний	Односторонний
Гипотеза	H₁: μ ≠ μ₀	H₁: μ > μ₀ или H₁: μ < μ₀
Область отклонения	Оба хвоста	Только один хвост
p-значение	2 × одностороннее p	Половина двухстороннего p
Мощность	Ниже (при той же α)	Выше в предсказанном направлении
Когда использовать	Нет априорных ожиданий направления	Сильная направленная гипотеза

Распространенные уровни значимости

Альфа (α)	Уровень доверия	Типичное использование
0.10	90%	Поисковые исследования
0.05	95%	Большинство научных исследований (стандарт)
0.01	99%	Строгие исследования, медицина
0.001	99.9%	Физика элементарных частиц, геномика

Распространенные заблуждения о p-значениях

Заблуждение: «p = 0.03 означает, что вероятность верности H₀ составляет 3%». Реальность: p-значение — это вероятность данных при условии верности H₀, а не вероятность того, что H₀ верна.
Заблуждение: «Меньшее p-значение означает больший эффект». Реальность: p-значения зависят как от величины эффекта, так и от размера выборки. Крошечный эффект может дать очень маленькое p-значение при достаточно большой выборке.
Заблуждение: «p > 0.05 означает отсутствие эффекта». Реальность: Неспособность отвергнуть H₀ не доказывает, что H₀ верна. Это означает, что доказательств недостаточно для её отклонения на выбранном уровне.
Заблуждение: «p-значения можно сравнивать между исследованиями». Реальность: p-значения из разных исследований с разными дизайнами, размерами выборок и популяциями не подлежат прямому сравнению.

Часто задаваемые вопросы

Что такое p-значение?

p-значение — это вероятность получения статистики теста, по крайней мере такой же экстремальной, как наблюдаемая, при условии, что нулевая гипотеза верна. Оно количественно определяет силу доказательств против нулевой гипотезы. Меньшее p-значение указывает на более веские доказательства против H₀.

В чем разница между односторонним и двухсторонним тестами?

Двухсторонний тест проверяет эффекты в обоих направлениях (больше или меньше ожидаемого), тогда как односторонний тест проверяет только в одном направлении. Двухсторонние тесты более консервативны. Используйте односторонний тест только тогда, когда у вас есть сильная направленная гипотеза до сбора данных.

Когда следует использовать z-тест, а когда t-тест?

Используйте z-тест, когда вам известно стандартное отклонение популяции или когда размер выборки велик (n > 30), так как выборочное распределение приближается к нормальному. Используйте t-тест, когда стандартное отклонение популяции неизвестно, а размер выборки мал, так как t-распределение учитывает дополнительную неопределенность с помощью более тяжелых хвостов.

Что означает p-значение меньше 0.05?

p-значение меньше 0.05 означает, что вероятность наблюдения данных (или более экстремальных данных) при условии верности нулевой гипотезы составляет менее 5%. По соглашению это считается статистически значимым результатом, что заставляет исследователей отвергнуть нулевую гипотезу. Однако статистическая значимость не обязательно подразумевает практическую значимость.

Для чего используется критерий хи-квадрат?

Критерий хи-квадрат используется для проверки взаимосвязи между категориальными переменными (тест на независимость) и для проверки соответствия наблюдаемых частот ожидаемым (критерий согласия). Он использует правостороннее распределение, которое зависит от степеней свободы.

Ссылайтесь на этот контент, страницу или инструмент так:

"Калькулятор p-значения" на сайте https://ru.miniWebtool.com/калькулятор-p-значения/ от MiniWebtool, https://MiniWebtool.com/

команда miniwebtool. Обновлено: 20 марта 2026 г.

Вы также можете попробовать наш AI Решатель Математических Задач GPT, чтобы решить ваши математические проблемы с помощью вопросов и ответов на естественном языке.

Калькулятор p-значения

О Калькулятор p-значения

Что такое p-значение?

Как пользоваться этим калькулятором

Поддерживаемые статистические тесты

z-Тест (Стандартное нормальное распределение)

t-Тест (Распределение Стьюдента)

Критерий хи-квадрат (Распределение χ²)

F-Тест (F-распределение)

Односторонние vs Двухсторонние тесты

Распространенные уровни значимости

Распространенные заблуждения о p-значениях

Часто задаваемые вопросы

Что такое p-значение?

В чем разница между односторонним и двухсторонним тестами?

Когда следует использовать z-тест, а когда t-тест?

Что означает p-значение меньше 0.05?

Для чего используется критерий хи-квадрат?

Статистика и анализ данных:

Избранные инструменты: