სტატისტიკის მიხედვით, p- მნიშვნელობა არის ალბათობა, რომ აპრობირებული ჰიპოთეზა გამოიღებს შედეგებს, რომლებსაც იგივე ან მეტი სიდიდე ექნებათ, ვიდრე რეალურ შედეგებს. ეს მიიჩნევს, რომ ნულოვანი ჰიპოთეზა მართებულია, რაც იმას ნიშნავს, რომ ტესტირებულ ნივთებს შორის არ არსებობს დადასტურებული კავშირი. მიუხედავად იმისა, რომ არსებობს ჰიპოთეზის შემოწმებისას p- მნიშვნელობების პოვნის მრავალი მეთოდი, ერთ-ერთი მარტივი მეთოდია გრაფიკული კალკულატორის გამოყენება, მაგალითად TI-83. ამ კალკულატორებს ჩაშენებული აქვთ მრავალი ტესტი, რომლებიც გთავაზობთ p- მნიშვნელობას სხვა მნიშვნელოვან მონაცემებთან ერთად.
T- ტესტის გამოყენება
P- მნიშვნელობების წარმოქმნის ყველაზე ძირითადი სტატისტიკური ტესტი არის t- ტესტი. T-test ფუნქციაზე წვდომა შეგიძლიათ TI-83 კალკულატორზე STAT ღილაკის დაჭერით, შემდეგ კი RIGHT ARROW ღილაკზე ორჯერ დაჭერით TESTS სიის გასახსნელად. იქ ჩასვლისას, დააჭირეთ ნომერს 2 ან ერთხელ დააჭირეთ DOWN ARROW- ს, რომ მონიშნოთ "2: T-Test ..." და დააჭირეთ ღილაკს ENTER.
T-Test გვერდზე შეარჩიეთ DATA, თუ მონაცემების ცალკეული წერტილები გაქვთ შესასვლელი, ან აირჩიეთ STATS, თუ გაქვთ სტატისტიკური მონაცემები, როგორიცაა ნიმუშის საშუალო და სტანდარტული გადახრა. შეიყვანეთ თქვენი მონაცემთა წერტილები ან სტატისტიკური მონაცემები კლავიატურის გამოყენებით, დააჭირეთ ღილაკს DOWN ARROW, თუ საჭიროა პარამეტრების სიაში გადასასვლელად. თქვენი მონაცემების შეყვანის შემდეგ აირჩიეთ "გამოთვლა" ვარიანტი და დააჭირეთ ღილაკს ENTER. დაელოდეთ მონაცემების დამუშავებას და შემდეგ იპოვნეთ სტრიქონი, რომელიც იწყება "p =" - ით თქვენს შედეგებში; ეს არის p- მნიშვნელობა თქვენი მონაცემებისთვის.
ორი ნიმუში ტესტი
თუ თქვენ ცდილობთ შეადაროთ საშუალო მონაცემები ორ ჯგუფს შორის, რომ ნახოთ არის თუ არა მათ შორის სტატისტიკურად მნიშვნელოვანი განსხვავება, ამის ნაცვლად გამოიყენებთ ორი ნიმუშის t-test- ს. ზემოთ მოცემულ ტესტების მენიუში წვდომა, სამაგიეროდ აირჩიეთ „4: 2SampTTest ...“. როგორც ადრე, მოგიწევთ ან მონაცემთა წერტილების ან სტატისტიკური მონაცემების შეყვანა, მაგრამ ამჯერად მონაცემების ორი ნაკრებია შესასვლელი. კალკულატორში, ამ ორ ნაკრებში დანომრილი იქნება "1" და "2", ასე რომ, თქვენ დაინახავთ ველებს, რომლებიც ითხოვენ ნივთებს, როგორიცაა "n1" ან "Sx2", რომ დააკონკრეტოთ ერთი კონკრეტული მონაცემების მონაცემები. შეიძლება ასევე მოგიწიოთ თქვენი ჰიპოთეზის დაზუსტება, მითითებით არის თუ არა მონაცემთა ორი ნაკრები უბრალოდ ტოლი ან ითვლება, რომ ერთი იძლევა სხვაზე მეტი ან ნაკლები შედეგის მიღებას.
თქვენი მონაცემების შეყვანის შემდეგ აირჩიეთ როგორც "გამოთვალეთ" ვარიანტი. ერთი წუთით დაელოდეთ მონაცემების დამუშავებას და შემდეგ მოიძიეთ თქვენი p- მნიშვნელობა შედეგებში. შედეგები ანალოგიური t- ტესტის ზემოთ მოყვანილი შედეგების მსგავსი იქნება, თუმცა არსებობს გარკვეული განსხვავებები. ალბათ, ყველაზე მნიშვნელოვანი განსხვავება იმაშია, რომ თქვენ გექნებათ მონაცემები, რომლებიც გენერირდება თითოეული თქვენი მონაცემთა ნაკრებიდან, ასე რომ დამატებით საერთო მონაცემები, თქვენ ასევე გექნებათ დამატებითი ჩანაწერები, რომლებიც სცილდება ეკრანის ქვედა ნაწილს და საჭიროებს გადახვევას წვდომა თქვენი საერთო p- მნიშვნელობა მაინც იქნება ეკრანის ზედა ნაწილთან.
Z- ტესტები
Z- ტესტები p- მნიშვნელობების გამოთვლის კიდევ ერთი ვარიანტია. მთავარი განსხვავება z- ტესტებსა და t- ტესტებს შორის არის ის, რომ z- ტესტებში მოცემული მონაცემები ნორმალურ განაწილებას მიჰყვება მომხმარებლის მიერ მოწოდებული მონაცემების საფუძველზე განაწილების ნაცვლად. შედეგად, z- ტესტების გამოყენებისას ბევრი ნაკლები მონაცემია შესასვლელი, რადგან სავარაუდოა, რომ თქვენ უკვე გაქვთ პროპორცია ნორმალური განაწილების საფუძველზე. Z- ტესტები გვხვდება იგივე TESTS მენიუში, როგორც t- ტესტები, მაგრამ თქვენ აირჩევთ ან "5: 1-PropZTest ..." ან "6: 2-PropZTest ..." დამოკიდებულია იმაზე, ატესტებთ თუ არა მონაცემების ერთი ჯგუფის პროპორციებს ან აღმოაჩენთ განსხვავებებს ორ ჯგუფს შორის.
შეიყვანეთ მოთხოვნილი სტატისტიკური მონაცემები თქვენი ტესტისთვის, ანალოგიურია, რასაც შეიტანდით შესაბამის t- ტესტში; თქვენ გაითვალისწინებთ, რომ მონაცემთა წერტილების შეყვანის შესაძლებლობა არ არსებობს, ვინაიდან ნორმალური განაწილება მიიღება. მონაცემთა დამუშავებისათვის აირჩიეთ "გამოთვლა" და შემდეგ შეამოწმეთ თქვენი შედეგები; შეიძლება ნახოთ რამდენიმე ელემენტი, რომლებსაც p აქვთ თავიანთი სახელით, მაგრამ ჯერ კიდევ მხოლოდ ერთი ხაზია, სადაც წერია "p =". ეს არის თქვენი p- მნიშვნელობა.