什么是 Z 值转 P 值计算器?
这个工具利用标准正态分布,把标准化检验统计量(即 Z 值)换算成对应的 P 值。P 值表示:在原假设成立的前提下,观察到与你的数据一样极端、甚至更极端结果的概率。它是假设检验中最常用的一步,广泛应用于心理学、生物学、经济学以及质量控制等领域。
使用方法
输入你的 Z 值,然后选择检验类型:双尾检验(你关心任一方向的偏离)还是单尾检验(你只关心某一个方向)。计算器会给出 P 值,以及累积概率 \(\Phi(z)\)。把 P 值和你设定的显著性水平(常用 0.05)作比较:如果 P 值更小,结果就具有统计显著性。
公式详解
设 \(\Phi\) 为标准正态分布的累积分布函数(CDF)。对于双尾检验,
$$p = 2\left[1 - \Phi\left(\left|z\right|\right)\right]$$之所以把上尾面积乘以 2,是因为两侧的极端值都要计入。对于单尾(上尾)检验,
$$p = 1 - \Phi\left(z\right)$$本计算器采用高精度多项式逼近公式(Abramowitz & Stegun 7.1.26)来计算 \(\Phi\),精度约可达小数点后 7 位。
实例演算
假设在双尾检验中 \(z = 1.96\)。此时 \(\Phi(1.96) \approx 0.975\),所以 \(1 - \Phi(1.96) \approx 0.025\)。再乘以 2,得到
$$p \approx 0.05$$恰好是经典的 5% 阈值。这也正是为什么 \(z = 1.96\) 会成为 95% 置信水平下那个著名的临界值。
常见问题
P 值很小说明什么?较小的 P 值(例如低于 0.05)意味着:如果原假设成立,观察到这样的数据就会非常罕见,因此你有理由拒绝原假设。
该用单尾还是双尾?除非你在收集数据之前就已经有明确的方向性假设,否则建议使用双尾检验。双尾检验更为保守、稳健。
可以输入负的 Z 值吗?可以。在双尾检验中,正负号不影响结果。而在单尾上尾检验中,负的 Z 值会得到大于 0.5 的 P 值。