Краткият отговор
P-стойността е вероятността да видите резултат, поне толкова екстремен, колкото вашия, ако нулевата хипотеза (без реален ефект) е действително вярна. Малка p-стойност (обикновено под 0,05) предполага, че вашите данни биха били необичайни при това предположение — доказателство срещу нулевата хипотеза, а не доказателство, че е невярна, а не вероятността самата нулева хипотеза да е вярна.
Key takeaways
- p < 0.05 doesn't prove an effect is real; it means the observed data would be unlikely if there were truly no effect.
- The p-value depends on the test statistic, sample size, and variability — a tiny, unimportant effect can still produce a small p-value if the sample is large enough.
- Двустранните тестове разделят значимостта в двете посоки и обикновено отчитат приблизително удвоена p-стойност на съответстващ едностранен тест.
- Different test statistics (z, t, chi-square, F) come from different distributions, so the same numeric statistic can produce very different p-values depending on which test applies.
Common significance thresholds
| диапазон на p-стойност | Typical interpretation |
|---|---|
| p ≥ 0.10 | Малко или никакви доказателства срещу нулевата хипотеза |
| 0.05 ≤ p < 0.10 | Слаби или маргинални доказателства |
| 0.01 ≤ p < 0.05 | Moderate evidence — commonly called "significant" |
| p < 0.01 | Силни доказателства срещу нулевата хипотеза |
Тези ленти са конвенции, а не закони на природата - различни области (медицина, физика, социални науки) приемат различни прагове в зависимост от това колко скъпо би било фалшиво положително.
Едностранно срещу двустранно
| Тест | Question asked | p-value relationship |
|---|---|---|
| Двуопашат | Има ли разлика в двете посоки? | ~2× едностранната p-стойност |
| Едноопашат | Има ли разлика в една конкретна посока? | ~1/2 the two-tailed p-value |
Worked example: z-test p-value
z = 1,96, двустранен тест
p = 2 × (1 − Φ(1,96)) = 2 × (1 − 0,9750) = 0,05
Точно затова 1,96 се показва толкова често в статистиката — това е z-резултатът, чиято двустранна p-стойност попада точно на конвенционалния праг от 0,05, което го прави стандартната граница за 95% ниво на сигурност.
Често срещани грешки, които трябва да избягвате
- Treating the p-value as "the probability the null hypothesis is true" — it's computed assuming the null IS true, so it can't simultaneously measure the odds that it's true.
- Избиране на посоката на едностранния тест, след като се види накъде се накланят данните — посоката трябва да бъде решена, преди да се видят резултатите, или тестът вече не е валиден.
- Treating p = 0.05 as a hard line — a p-value of 0.049 and 0.051 represent nearly identical evidence despite landing on opposite sides of the common threshold.
- Объркване на статистическата значимост с практическата значимост - достатъчно голяма извадка може да направи дори тривиално малък, маловажен ефект статистически значим.
Свързани калкулатори
- Confidence Interval Calculator — оценявайте диапазон, вместо да тествате една хипотеза.
- Калкулатор Z-резултат — преобразувайте необработена стойност в z-резултат, който този калкулатор може да тества.
- Калкулатор за стандартно отклонение — изчислете променливостта, която се вписва в повечето тестови статистики.
- Калкулатор за размер на извадката — планирайте проучване с достатъчно мощност, за да откриете реален ефект.