Advanced

P-værdi-beregner

Omdan en z-, t-, chi-i-anden- eller F-teststatistik til en eksakt p-værdi for en venstre-, højre- eller tosidet hypotesetest.

Distribution

Test statistic family
The computed z, t, χ² or F value

Tail

P-value
0,0500

Significant at α = 0.05 (reject H0)

Upper tail P(X > stat)
0,025
Lower tail P(X < stat)
0,975
P-value
0,049996
Decision (α = 0.05)
Reject H0
statShaded tail area = p-value
Resultaterne er skøn, der kun gives til generel information og er ikke professionel rådgivning — verificér altid vigtige resultater uafhængigt, før du forlader dig på dem. Læs hele ansvarsfraskrivelsen.
Hurtigt svar

Hvordan fungerer denne lommeregner?

En p-værdi er sandsynligheden for at få en teststatistik mindst lige så ekstrem som den observerede, forudsat at nulhypotesen er sand. Indtast din z-, t-, chi-i-anden- eller F-værdi med dens frihedsgrader og hale, så returnerer dette værktøj den eksakte p-værdi, og om den er signifikant ved α = 0,05.

Formel
p = P(X > stat) [højre] · p = P(X < stat) [venstre] · p = 2·min(P(X>stat), P(X<stat)) [tosidet]
How this is calculated

Vælg den fordeling, der matcher din test, indtast den observerede teststatistik og (for t, χ² og F) frihedsgraderne — F kræver også en nævner-df. Beregneren evaluerer den kumulative fordelingsfunktion eksakt: normal-CDF'en bruger en erf-approksimation, t- og F-halerne bruger den regulariserede ukomplette betafunktion I_x(a,b), og chi-i-anden-øvre-halen bruger den regulariserede nedre ukomplette gammafunktion via p = 1 − P(χ² < x; df).

Haleindstillingen bestemmer, hvilken sandsynlighed der bliver p-værdien. En højresidet test returnerer det øvre-hale-areal P(X > stat); en venstresidet test returnerer P(X < stat); en tosidet test fordobler den mindste hale, p = 2·min(øvre, nedre), begrænset til 1. Resultatet sammenlignes derefter med den konventionelle tærskel α = 0,05 for at rapportere, om nulhypotesen forkastes. Den skyggede kurve viser tætheden med kun forkastelses- (hale-)området fyldt.

Antagelser: statistikken er beregnet korrekt under nulhypotesen, og den valgte referencefordeling er gyldig (f.eks. normalitet eller store stikprøver for z). Frihedsgrader skal være positive; χ²- og F-statistikker skal være ikke-negative, da disse fordelinger har support på [0, ∞). Række- og kædebrøk-udvidelser konvergerer til omtrent 1e-15, så p-værdier er nøjagtige til mange decimaler på tværs af typiske områder.

Ofte stillede spørgsmål

Brug tosidet, når din alternativhypotese blot er "forskellig" (≠), og ensidet når du forudsiger en bestemt retning (> eller <) før du ser data. Tosidet fordobler den ensidede p-værdi for symmetriske fordelinger som z og t.

Chi-i-anden goodness-of-fit- og ANOVA F-tests måler uoverensstemmelse, hvor større statistikker betyder stærkere evidens mod nulhypotesen. Kun store værdier er overraskende, så standard-p-værdien er den højre (øvre) hale P(X > stat).

Nej. En lille p-værdi betyder, at data ville være usandsynlige, hvis nulhypotesen var sand, så du forkaster nulhypotesen. Den måler ikke effektstørrelse eller sandsynligheden for at alternativet er sandt.

Også kendt som

p værdi beregner
p værdi fra t
p værdi fra z
chi i anden p værdi
teststatistik til p værdi
p value
signifikansniveau

APA

TG we-Calculate Editorial Team. (2026). P-værdi-beregner [Online calculator]. TG we-Calculate. https://we-calculate.com/da/calculator/p-value-calculator

Chicago

TG we-Calculate Editorial Team. "P-værdi-beregner." TG we-Calculate. 2026. https://we-calculate.com/da/calculator/p-value-calculator.

IEEE

TG we-Calculate Editorial Team, "P-værdi-beregner," TG we-Calculate, 2026. [Online]. Available: https://we-calculate.com/da/calculator/p-value-calculator

BibTeX

@misc{wecalculate_p_value_calculator, title = {P-værdi-beregner}, author = {{TG we-Calculate Editorial Team}}, howpublished = {\url{https://we-calculate.com/da/calculator/p-value-calculator}}, year = {2026}, note = {TG we-Calculate} }

Hjalp denne lommeregner dig?