مختصر جواب
ایک p-value ایک نتیجہ دیکھنے کا امکان ہے کم از کم آپ کے جتنا انتہائی، اگر null hypothesis (کوئی حقیقی اثر نہیں) حقیقت میں درست تھا۔ ایک چھوٹی پی-ویلیو (عام طور پر 0.05 سے نیچے) بتاتی ہے کہ آپ کا ڈیٹا اس مفروضے کے تحت غیر معمولی ہوگا — کالعدم مفروضے کے خلاف ثبوت، اس کے غلط ہونے کا ثبوت نہیں، اور یہ امکان نہیں کہ کالعدم مفروضہ خود درست ہے۔
اہم نکات
- p <0.05 ثابت نہیں کرتا کہ اثر حقیقی ہے۔ اس کا مطلب ہے کہ مشاہدہ شدہ ڈیٹا کا امکان نہیں ہوگا اگر واقعی کوئی اثر نہ ہو۔
- پی-ویلیو ٹیسٹ کے اعدادوشمار، نمونے کے سائز، اور تغیر پر منحصر ہے — اگر نمونہ کافی بڑا ہو تو ایک چھوٹا، غیر اہم اثر پھر بھی ایک چھوٹی p-ویلیو پیدا کر سکتا ہے۔
- دو دم والے ٹیسٹ دونوں سمتوں میں اہمیت کو تقسیم کرتے ہیں اور عام طور پر مماثل ون ٹیلڈ ٹیسٹ کی پی ویلیو کو تقریباً دوگنا رپورٹ کرتے ہیں۔
- مختلف ٹیسٹ کے اعدادوشمار (z, t, chi-square, F) مختلف تقسیموں سے آتے ہیں، اس لیے ایک ہی عددی اعدادوشمار اس بات پر منحصر ہے کہ کس ٹیسٹ کا اطلاق ہوتا ہے۔
عام اہمیت کی حد
| پی ویلیو رینج | عام تعبیر |
|---|---|
| p ≥ 0.10 | کالعدم مفروضے کے خلاف کوئی ثبوت نہیں ہے۔ |
| 0.05 ≤ p < 0.10 | ضعیف یا معمولی ثبوت |
| 0.01 ≤ p < 0.05 | Moderate evidence — commonly called "significant" |
| p < 0.01 | کالعدم مفروضے کے خلاف مضبوط ثبوت |
یہ بینڈ کنونشنز ہیں، فطرت کے قوانین نہیں — مختلف شعبے (طب، طبیعیات، سماجی سائنس) مختلف حدوں کو اپناتے ہیں اس پر منحصر ہے کہ غلط مثبت کتنا مہنگا ہوگا۔
ایک دم والا بمقابلہ دو دم والا
| ٹیسٹ | سوال پوچھا | پی ویلیو رشتہ |
|---|---|---|
| دو دم والا | کیا دونوں سمتوں میں کوئی فرق ہے؟ | ~2× ایک دم والی پی ویلیو |
| ایک دم والا | کیا ایک مخصوص سمت میں کوئی فرق ہے؟ | ~1/2 دو دم والی p-قدر |
کام کی مثال: z-test p-value
z = 1.96، دو دم والا ٹیسٹ
p = 2 × (1 − Φ(1.96)) = 2 × (1 − 0.9750) = 0.05
یہی وجہ ہے کہ اعداد و شمار میں 1.96 اتنی کثرت سے ظاہر ہوتا ہے — یہ وہ زیڈ اسکور ہے جس کی دو دم والی p-ویلیو بالکل روایتی 0.05 حد پر اترتی ہے، جو اسے 95% اعتماد کی سطح کے لیے معیاری کٹ آف بناتی ہے۔
عام غلطیوں سے بچنا ہے۔
- 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.
- ایک دم والے ٹیسٹ کی سمت کا انتخاب یہ دیکھنے کے بعد کہ ڈیٹا کس طرف جھکتا ہے — نتائج کو دیکھنے سے پہلے سمت کا فیصلہ کیا جانا چاہیے، ورنہ ٹیسٹ اب درست نہیں رہے گا۔
- p = 0.05 کو ایک سخت لکیر کے طور پر علاج کرنا — 0.049 اور 0.051 کی p-ویلیو مشترکہ دہلیز کے مخالف سمتوں پر اترنے کے باوجود تقریباً ایک جیسے ثبوت کی نمائندگی کرتی ہے۔
- اعداد و شمار کی اہمیت کو عملی اہمیت کے ساتھ الجھانا — کافی بڑا نمونہ ایک معمولی سے چھوٹے، غیر اہم اثر کو بھی شماریاتی لحاظ سے اہم بنا سکتا ہے۔
متعلقہ کیلکولیٹر
- اعتماد کا وقفہ کیلکولیٹر — کسی ایک مفروضے کو جانچنے کے بجائے حد کا اندازہ لگائیں۔
- زیڈ سکور کیلکولیٹر — ایک خام قدر کو زیڈ سکور میں تبدیل کریں جو یہ کیلکولیٹر جانچ سکتا ہے۔
- معیاری انحراف کیلکولیٹر — اس تغیر کا حساب لگائیں جو زیادہ تر ٹیسٹ کے اعدادوشمار میں فیڈ کرتا ہے۔
- نمونہ سائز کیلکولیٹر — حقیقی اثر کا پتہ لگانے کے لیے کافی طاقت کے ساتھ مطالعہ کا منصوبہ بنائیں۔