Калькулятор p-значения
Этот инструмент использует зависимость Для z-теста CDF = Φ(z) с использованием нормального распределения. Для t-теста CDF является приближением t-распределения с заданным числом степеней свободы. Двусторонний: p = 2 × min(CDF, 1 - CDF). Односторонний (справа): p = 1 - CDF. Односторонний (слева): p = CDF. Он использует входные значения (Тип теста, Значение статистики теста, Число степеней свободы, Направление теста) и возвращает результат: P-значение. Поскольку это детерминированное правило, а не данные, специфичные для конкретной страны, результат никогда не меняется: одни и те же входные данные всегда дают один и тот же результат, проверяете ли вы упражнение, настраиваете конфигурацию или сверяете другой инструмент. Введите свои значения в поля ниже, и результат обновится мгновенно; вы также можете поделиться постоянной ссылкой с уже заполненным расчётом, что удобно для преподавания, отчётов или совместной работы. Например, при Тип теста = Z-критерий (нормальное распределение), Значение статистики теста = 1,96, Число степеней свободы = 30, Направление теста = Двусторонний результат равен 0,049996, а пример расчёта ниже показывает каждый шаг, чтобы вы могли проследить вычисление и повторить его вручную. Этот метод - стандартная форма, задокументированная источником NIST/SEMATECH e-Handbook of Statistical Methods, а подпись над каждым результатом показывает дату его последней проверки. Этот инструмент предоставляет общую информацию и не заменяет профессиональную консультацию в области инженерии, медицины, финансов или науки; всегда проверяйте важные результаты по первоисточникам и на основе собственного суждения.
При Тип теста = Z-критерий (нормальное распределение), Значение статистики теста = 1,96, Число степеней свободы = 30, Направление теста = Двусторонний, результат равен 0,049996.
Применимо к: введённым данным. Источник метода: NIST/SEMATECH e-Handbook of Statistical Methods, проверено 2026-07-14.
Формула
Для z-теста CDF = Φ(z) с использованием нормального распределения. Для t-теста CDF является приближением t-распределения с заданным числом степеней свободы. Двусторонний: p = 2 × min(CDF, 1 - CDF). Односторонний (справа): p = 1 - CDF. Односторонний (слева): p = CDF
Пример расчёта
При Тип теста = Z-критерий (нормальное распределение), Значение статистики теста = 1,96, Число степеней свободы = 30, Направление теста = Двусторонний:
- Для z-теста CDF = Φ(z) с использованием нормального распределения. Для t-теста CDF является приближением t-распределения с заданным числом степеней свободы. Двусторонний: p = 2 × min(CDF, 1 - CDF). Односторонний (справа): p = 1 - CDF. Односторонний (слева): p = CDF
- Введённые значения: Тип теста = Z-критерий (нормальное распределение), Значение статистики теста = 1,96, Число степеней свободы = 30, Направление теста = Двусторонний
- P-значение = 0,049996
Этот пример расчёта - один из автоматических эталонных тестов, которые калькулятор должен пройти перед публикацией.
Допущения
- Этот инструмент применяет детерминированное правило к введённым данным.
- Результат - точное значение выражения Для z-теста CDF = Φ(z) с использованием нормального распределения. Для t-теста CDF является приближением t-распределения с заданным числом степеней свободы. Двусторонний: p = 2 × min(CDF, 1 - CDF). Односторонний (справа): p = 1 - CDF. Односторонний (слева): p = CDF; общая информация, а не профессиональная консультация.
Часто задаваемые вопросы
Какая формула используется?
Для z-теста CDF = Φ(z) с использованием нормального распределения. Для t-теста CDF является приближением t-распределения с заданным числом степеней свободы. Двусторонний: p = 2 × min(CDF, 1 - CDF). Односторонний (справа): p = 1 - CDF. Односторонний (слева): p = CDF, стандартная форма, описанная в источнике NIST/SEMATECH e-Handbook of Statistical Methods.
Меняется ли результат со временем?
Нет. Это детерминированное правило: одни и те же входные данные всегда дают один и тот же результат.
Официальные источники и проверка
- Метод: NIST/SEMATECH e-Handbook of Statistical Methods, проверено 2026-07-14.
Проверено командой CalculatorHub, отредактировал James Graham, 2026-07-14. См. нашу методологию. Общая информация, а не профессиональная консультация.