I statistik är p-värdet sannolikheten att en testad hypotes ger resultat som skulle ha samma eller större storlek än de faktiska resultaten. Detta förutsätter att nollhypotesen visar sig vara sant, vilket innebär att det inte finns någon bevisad relation mellan de objekt som testas. Medan det finns ett antal sätt att hitta p-värden när du testar en hypotes, är en av de enklare metoderna att använda en grafkalkylator som en TI-83. Dessa räknare har flera inbyggda tester som ger dig p-värdet tillsammans med andra viktiga data.
Använda ett T-test
Det mest grundläggande statistiska testet att generera p-värden med är ett t-test. Du kan komma åt t-testfunktionen på en TI-83-miniräknare genom att trycka på STAT-knappen och sedan trycka på HÖGERPIL-knappen två gånger för att öppna TESTS-listan. När du väl är där trycker du på siffran 2 eller trycker en gång på PIL NER för att markera "2: T-Test ..." och tryck på ENTER-knappen.
På T-Test-sidan väljer du DATA om du har enskilda datapunkter att ange, eller väljer STATS om du har statistiska data som exempelvärde och standardavvikelse. Ange dina datapunkter eller statistiska data med hjälp av knappsatsen och tryck på DOWN PIL-knappen efter behov för att gå igenom listan över alternativ. När du har angett dina data, välj alternativet "Beräkna" och tryck på RETUR. Vänta tills data bearbetas och hitta sedan raden som börjar med "p =" i dina resultat; detta är p-värdet för dina data.
Två prov T-test
Om du försöker jämföra medelvärden mellan två datagrupper för att se om det finns en statistiskt signifikant skillnad mellan dem, använder du istället ett tvåprovstest. Gå till TESTS-menyn enligt ovan, men välj "4: 2SampTTest ..." istället. Som tidigare måste du ange antingen datapunkter eller statistiska data, men den här gången finns det två uppsättningar data att mata in. I miniräknaren kommer dessa två uppsättningar att numreras "1" och "2", så att du ser fält som frågar efter saker som "n1" eller "Sx2" för att specificera data från en specifik uppsättning eller en annan. Du kan också behöva ange din hypotes och ange om de två datauppsättningarna helt enkelt inte är lika eller om en antas ge resultat som är större än eller mindre än den andra.
När du har angett dina data väljer du alternativet "Beräkna" som tidigare. Vänta ett ögonblick för att data ska bearbetas och sök sedan efter ditt p-värde i resultaten. Resultaten kommer att likna resultaten från t-testet med ett enda prov, även om det kommer att finnas några skillnader. Den kanske mest anmärkningsvärda skillnaden är att du kommer att generera data från var och en av dina datamängder, så förutom övergripande data kommer du också att ha ytterligare poster som sträcker sig bortom skärmens nedre del och kräver bläddring till tillgång. Ditt totala p-värde ligger dock fortfarande högst upp på skärmen.
Z-tester
Z-test är ett annat alternativ för beräkning av p-värden. Huvudskillnaden mellan z-tester och t-tester är att data i z-tester följer en normalfördelning istället för en distribution baserad på användaruppgifter. Som ett resultat finns det mycket mindre data att mata in när du använder z-tester eftersom det antas att du redan har proportioner baserat på normalfördelningen. Z-tester finns i samma TESTS-meny som t-tester, men du väljer antingen "5: 1-PropZTest ..." eller "6: 2-PropZTest ..." beroende på om du testar proportionerna av en grupp data eller hittar skillnader mellan två grupper.
Ange de begärda statistiska uppgifterna för ditt test, liknande det du skulle ange i motsvarande t-test; du kommer att notera att det inte finns något alternativ att ange datapunkter eftersom normalfördelningen antas. Välj "Beräkna" för att bearbeta data och kontrollera sedan dina resultat; du kanske ser flera objekt som har ett p i namnet, men det finns fortfarande bara en rad som bara läser "p =." Detta är ditt p-värde.