Advanced

Kalkylator för p-värde

Omvandla en z-, t-, chi-kvadrat- eller F-teststatistika till ett exakt p-värde för ett vänster-, höger- eller dubbelsidigt hypotestest.

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
Resultaten är uppskattningar endast för allmän information och utgör inte professionell rådgivning — verifiera alltid viktiga resultat oberoende innan du förlitar dig på dem. Läs hela ansvarsfriskrivningen.
Snabbt svar

Hur fungerar denna kalkylator?

Ett p-värde är sannolikheten att få en teststatistika minst lika extrem som den observerade, under antagandet att nollhypotesen är sann. Ange ditt z-, t-, chi-kvadrat- eller F-värde med dess frihetsgrader och svanstyp, och detta verktyg returnerar det exakta p-värdet och om det är signifikant vid α = 0,05.

Formel
p = P(X > stat) [höger] · p = P(X < stat) [vänster] · p = 2·min(P(X>stat), P(X<stat)) [dubbelsidigt]
How this is calculated

Välj den fördelning som matchar ditt test, ange den observerade teststatistikan och (för t, χ² och F) frihetsgraderna — F kräver också en nämnare df. Kalkylatorn beräknar den kumulativa fördelningsfunktionen exakt: normalfördelningens CDF använder en erf-approximation, t- och F-svansarna använder den regulariserade ofullständiga betafunktionen I_x(a,b), och chi-kvadratets övre svans använder den regulariserade nedre ofullständiga gammafunktionen via p = 1 − P(χ² < x; df).

Svansinställningen avgör vilken sannolikhet som blir p-värdet. Ett högersvansigt test returnerar den övre svanssannolikheten P(X > stat); ett vänstersvansigt test returnerar P(X < stat); ett dubbelkantigt test fördubblar den mindre svansen, p = 2·min(övre, nedre), maximalt 1. Resultatet jämförs sedan med det konventionella tröskelvärdet α = 0,05 för att rapportera om nollhypotesen förkastas. Den skuggade kurvan visar tätheten med enbart förkastningsregionen (svansen) ifylld.

Antaganden: statistikan beräknas korrekt under nollhypotesen och den valda referensfördelningen är giltig (t.ex. normalitet eller stora stickprov för z). Frihetsgrader måste vara positiva; χ²- och F-statistikor måste vara icke-negativa eftersom dessa fördelningar definieras på [0, ∞). Serie- och kedjebråks­expansioner konvergerar till ungefär 1e-15, så p-värden är noggranna till många decimaler inom typiska intervall.

Vanliga frågor

Använd dubbelsidigt när din alternativhypotes helt enkelt är "skiljer sig" (≠), och enkelsidigt när du förutspår en specifik riktning (> eller <) innan du ser datan. Dubbelsidigt fördubblar det enkelsidiga p-värdet för symmetriska fördelningar som z och t.

Chi-kvadrat goodness-of-fit och ANOVA F-test mäter avvikelse, där större statistikor innebär starkare bevis mot nollhypotesen. Bara stora värden är förvånande, så det standardiserade p-värdet är den högra (övre) svansen P(X > stat).

Nej. Ett litet p-värde innebär att datan vore osannolik om nollhypotesen vore sann, så du förkastar nollhypotesen. Det mäter inte effektstorleken eller sannolikheten att alternativet är sant.

Även känt som

p värde
p värde kalkylator
p värde från t
p värde från z
p värde chi2
signifikansvärde
teststatistik till p

APA

TG we-Calculate Editorial Team. (2026). Kalkylator för p-värde [Online calculator]. TG we-Calculate. https://we-calculate.com/sv/calculator/p-value-calculator

Chicago

TG we-Calculate Editorial Team. "Kalkylator för p-värde." TG we-Calculate. 2026. https://we-calculate.com/sv/calculator/p-value-calculator.

IEEE

TG we-Calculate Editorial Team, "Kalkylator för p-värde," TG we-Calculate, 2026. [Online]. Available: https://we-calculate.com/sv/calculator/p-value-calculator

BibTeX

@misc{wecalculate_p_value_calculator, title = {Kalkylator för p-värde}, author = {{TG we-Calculate Editorial Team}}, howpublished = {\url{https://we-calculate.com/sv/calculator/p-value-calculator}}, year = {2026}, note = {TG we-Calculate} }

Hjälpte denna kalkylator dig?