संक्षिप्त उत्तर
यदि शून्य परिकल्पना (कोई वास्तविक प्रभाव नहीं) वास्तव में सत्य थी, तो पी-वैल्यू कम से कम आपके जैसा चरम परिणाम देखने की संभावना है। एक छोटा पी-वैल्यू (आमतौर पर 0.05 से नीचे) सुझाव देता है कि आपका डेटा उस धारणा के तहत असामान्य होगा - शून्य परिकल्पना के खिलाफ सबूत, यह सबूत नहीं कि यह गलत है, और यह संभावना नहीं है कि शून्य परिकल्पना स्वयं सत्य है।
चाबी छीनना
- p <0.05 यह साबित नहीं करता कि कोई प्रभाव वास्तविक है; इसका मतलब है कि यदि वास्तव में कोई प्रभाव नहीं होता तो देखे गए डेटा की संभावना नहीं होती।
- पी-वैल्यू परीक्षण आंकड़े, नमूना आकार और परिवर्तनशीलता पर निर्भर करता है - यदि नमूना काफी बड़ा है तो एक छोटा, महत्वहीन प्रभाव अभी भी एक छोटा पी-वैल्यू उत्पन्न कर सकता है।
- दो-पूंछ वाले परीक्षण दोनों दिशाओं में महत्व को विभाजित करते हैं और आम तौर पर एक मिलान वाले एक-पूंछ वाले परीक्षण के पी-मूल्य को लगभग दोगुना कर देते हैं।
- अलग-अलग परीक्षण आँकड़े (जेड, टी, ची-स्क्वायर, एफ) अलग-अलग वितरणों से आते हैं, इसलिए एक ही संख्यात्मक आँकड़ा बहुत अलग पी-मान उत्पन्न कर सकता है जो इस पर निर्भर करता है कि कौन सा परीक्षण लागू होता है।
सामान्य महत्व सीमाएँ
| पी-वैल्यू रेंज | विशिष्ट व्याख्या |
|---|---|
| p ≥ 0.10 | शून्य परिकल्पना के विरुद्ध बहुत कम या कोई सबूत नहीं |
| 0.05 ≤ p < 0.10 | कमजोर या सीमांत साक्ष्य |
| 0.01 ≤ p < 0.05 | Moderate evidence — commonly called "significant" |
| p < 0.01 | शून्य परिकल्पना के विरुद्ध पुख्ता सबूत |
ये बैंड परंपराएं हैं, प्रकृति के नियम नहीं - अलग-अलग क्षेत्र (चिकित्सा, भौतिकी, सामाजिक विज्ञान) अलग-अलग सीमाएं अपनाते हैं, जो इस बात पर निर्भर करता है कि झूठी सकारात्मकता कितनी महंगी होगी।
एक-पूंछ बनाम दो-पूंछ
| परीक्षा | प्रश्न पूछा | पी-मूल्य संबंध |
|---|---|---|
| दो पूंछ | क्या किसी भी दिशा में कोई अंतर है? | ~2× एक-पूंछ वाला पी-मान |
| एक पूंछ | क्या किसी एक विशिष्ट दिशा में कोई अंतर है? | ~1/2 दो-पूंछ वाला पी-मान |
कार्यान्वित उदाहरण: z-परीक्षण पी-मान
z = 1.96, दो-पूंछ परीक्षण
पी = 2 × (1 - Φ(1.96)) = 2 × (1 - 0.9750) = 0.05
यही कारण है कि 1.96 आँकड़ों में इतनी बार दिखाई देता है - यह z-स्कोर है जिसका दो-पूंछ वाला पी-मूल्य पारंपरिक 0.05 सीमा पर सटीक रूप से पहुँचता है, जो इसे 95% आत्मविश्वास स्तर के लिए मानक कटऑफ बनाता है।
बचने योग्य सामान्य गलतियाँ
- 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.
- एक-पूंछ वाले परीक्षण की दिशा यह देखने के बाद चुनना कि डेटा का झुकाव किस ओर है - परिणामों को देखने से पहले दिशा तय की जानी चाहिए, अन्यथा परीक्षण अब मान्य नहीं है।
- पी = 0.05 को एक कठोर रेखा के रूप में मानना - 0.049 और 0.051 का पी-मान सामान्य सीमा के विपरीत पक्षों पर उतरने के बावजूद लगभग समान साक्ष्य का प्रतिनिधित्व करता है।
- व्यावहारिक महत्व के साथ सांख्यिकीय महत्व को भ्रमित करना - एक बड़ा पर्याप्त नमूना एक तुच्छ छोटे, महत्वहीन प्रभाव को भी सांख्यिकीय रूप से महत्वपूर्ण बना सकता है।
संबंधित कैलकुलेटर
- कॉन्फिडेंस इंटरवल कैलकुलेटर — किसी एक परिकल्पना का परीक्षण करने के बजाय एक सीमा का अनुमान लगाएं।
- Z-Score Calculator — एक अपरिष्कृत मान को z-स्कोर में परिवर्तित करें जिसे यह कैलकुलेटर परीक्षण कर सकता है।
- मानक विचलन कैलक्यूलेटर — अधिकांश परीक्षण आँकड़ों में फीड होने वाली परिवर्तनशीलता की गणना करें।
- Sample Size Calculator — वास्तविक प्रभाव का पता लगाने के लिए पर्याप्त शक्ति के साथ एक अध्ययन की योजना बनाएं।