Kalkulator Wartości p

Oblicz wartości p na podstawie statystyk testowych, w tym z-score, statystyki t, chi-kwadrat i statystyki F dla jednostronnych i dwustronnych testów hipotez.

Embed Kalkulator Wartości p Widget

O Kalkulator Wartości p

Kalkulator Wartości p oblicza wartości p na podstawie statystyk testowych dla czterech głównych rozkładów statystycznych: standardowego normalnego (z), t-Studenta, chi-kwadrat (χ²) oraz F. Obsługuje testy hipotez jednostronne (lewostronne i prawostronne) oraz dwustronne, zapewnia interaktywną wizualizację krzywej rozkładu i oferuje jasną interpretację istotności statystycznej.

Co to jest wartość p?

Wartość p (ang. p-value) to prawdopodobieństwo uzyskania statystyki testowej co najmniej tak ekstremalnej, jak ta zaobserwowana, przy założeniu, że hipoteza zerowa (H₀) jest prawdziwa. Mierzy ona siłę dowodów przeciwko hipotezie zerowej w teście statystycznym.

Dla dwustronnego testu z:

$$p = 2 \times P(Z > |z|) = 2 \times [1 - \Phi(|z|)]$$

Mała wartość p (p < 0,05): Silne dowody przeciwko H₀ — odrzuć hipotezę zerową
Duża wartość p (p ≥ 0,05): Słabe dowody przeciwko H₀ — brak podstaw do odrzucenia hipotezy zerowej

Wartość p nie mierzy prawdopodobieństwa, że H₀ jest prawdziwa, ani nie mierzy wielkości lub ważności efektu. Mówi jedynie, jak zgodne są Twoje dane z H₀.

Jak korzystać z tego kalkulatora

Wybierz typ testu: Wybierz rozkład pasujący do Twojego testu statystycznego — test z (standardowy normalny), test t (t-Studenta), test chi-kwadrat lub test F.
Wprowadź statystykę testową: Wpisz obliczoną wartość statystyki testowej. Statystyki chi-kwadrat i F muszą być nieujemne.
Wprowadź stopnie swobody: Dla testów t i chi-kwadrat wprowadź df. Dla testów F wprowadź stopnie swobody zarówno dla licznika (df₁), jak i mianownika (df₂).
Wybierz typ obszaru krytycznego: Wybierz dwustronny dla hipotez bezkierunkowych lub lewo/prawostronny dla hipotez kierunkowych.
Przejrzyj wyniki: Przeanalizuj wartość p, interaktywny wykres rozkładu, ocenę istotności na wielu poziomach alfa oraz interpretację w prostym języku.

Obsługiwane testy statystyczne

Test z (Standardowy rozkład normalny)

Stosowany, gdy znane jest odchylenie standardowe populacji lub gdy wielkość próby jest duża (n > 30). Statystyka z podlega standardowemu rozkładowi normalnemu $N(0, 1)$ przy założeniu H₀.

$$z = \frac{\bar{x} - \mu_0}{\sigma / \sqrt{n}}$$

Test t (Rozkład t-Studenta)

Stosowany, gdy odchylenie standardowe populacji jest nieznane, a wielkość próby jest mała. Rozkład t ma "grubsze" ogony niż rozkład normalny, co uwzględnia dodatkową niepewność. Wraz ze wzrostem df rozkład t zbliża się do standardowego rozkładu normalnego.

$$t = \frac{\bar{x} - \mu_0}{s / \sqrt{n}}, \quad \text{df} = n - 1$$

Test chi-kwadrat (Rozkład χ²)

Stosowany w testach zgodności oraz testach niezależności dla danych kategorialnych. Rozkład chi-kwadrat jest prawoskośny i zdefiniowany tylko dla wartości nieujemnych.

$$\chi^2 = \sum \frac{(O_i - E_i)^2}{E_i}$$

Test F (Rozkład F)

Stosowany w analizie wariancji (ANOVA) oraz do porównywania wariancji. Rozkład F wymaga dwóch parametrów stopni swobody (licznika i mianownika) i jest zdefiniowany tylko dla wartości nieujemnych.

$$F = \frac{s_1^2}{s_2^2}, \quad \text{df}_1 = n_1 - 1, \quad \text{df}_2 = n_2 - 1$$

Testy jednostronne vs dwustronne

Cecha	Dwustronny	Jednostronny
Hipoteza	H₁: μ ≠ μ₀	H₁: μ > μ₀ lub H₁: μ < μ₀
Obszar odrzuceń	Oba ogony	Tylko jeden ogon
Wartość p	2 × jednostronne p	Połowa dwustronnego p
Moc	Niższa (dla tej samej α)	Wyższa w przewidywanym kierunku
Kiedy używać	Brak wcześniejszych oczekiwań co do kierunku	Silna hipoteza kierunkowa

Typowe poziomy istotności

Alfa (α)	Poziom ufności	Typowe zastosowanie
0,10	90%	Badania eksploracyjne
0,05	95%	Większość badań naukowych (standardowy próg)
0,01	99%	Bardziej rygorystyczne analizy, badania medyczne
0,001	99,9%	Fizyka cząstek elementarnych, genomika

Częste nieporozumienia dotyczące wartości p

Błędne przekonanie: "p = 0,03 oznacza, że istnieje 3% szans, że H₀ jest prawdziwa." Rzeczywistość: Wartość p to prawdopodobieństwo danych przy założeniu, że H₀ jest prawdziwa, a nie prawdopodobieństwo prawdziwości H₀.
Błędne przekonanie: "Mniejsza wartość p oznacza większy efekt." Rzeczywistość: Wartości p zależą zarówno od wielkości efektu, jak i wielkości próby. Mały efekt może dać bardzo małą wartość p przy odpowiednio dużej próbie.
Błędne przekonanie: "p > 0,05 oznacza brak efektu." Rzeczywistość: Brak podstaw do odrzucenia H₀ nie dowodzi, że H₀ jest prawdziwa. Oznacza to jedynie, że dowody są niewystarczające, aby ją odrzucić na wybranym poziomie.
Błędne przekonanie: "Wartości p można porównywać między różnymi badaniami." Rzeczywistość: Wartości p z różnych badań o odmiennych projektach, wielkościach prób i populacjach nie są bezpośrednio porównywalne.

Najczęściej zadawane pytania

Co to jest wartość p?

Wartość p to prawdopodobieństwo uzyskania statystyki testowej co najmniej tak ekstremalnej, jak ta zaobserwowana, przy założeniu, że hipoteza zerowa jest prawdziwa. Określa ona siłę dowodów przeciwko hipotezie zerowej. Mniejsza wartość p wskazuje na silniejsze dowody przeciwko H₀.

Jaka jest różnica między testami jednostronnymi a dwustronnymi?

Test dwustronny sprawdza efekty w obu kierunkach (większe lub mniejsze od oczekiwanych), podczas gdy test jednostronny sprawdza tylko w jednym kierunku. Testy dwustronne są bardziej konserwatywne. Używaj testu jednostronnego tylko wtedy, gdy masz silną hipotezę kierunkową przed zebraniem danych.

Kiedy powinienem użyć testu z, a kiedy testu t?

Użyj testu z, gdy znasz odchylenie standardowe populacji lub gdy wielkość próby jest duża (n > 30), ponieważ rozkład z próby przybliża rozkład normalny. Użyj testu t, gdy odchylenie standardowe populacji jest nieznane, a wielkość próby jest mała, ponieważ rozkład t uwzględnia dodatkową niepewność poprzez grubsze ogony.

Co oznacza wartość p mniejsza niż 0,05?

Wartość p mniejsza niż 0,05 oznacza, że istnieje mniej niż 5% prawdopodobieństwa zaobserwowania danych (lub danych bardziej ekstremalnych), gdyby hipoteza zerowa była prawdziwa. Umownie uważa się to za wynik istotny statystycznie, co skłania badaczy do odrzucenia hipotezy zerowej. Jednak istotność statystyczna niekoniecznie oznacza istotność praktyczną.

Do czego służy test chi-kwadrat?

Test chi-kwadrat służy do badania zależności między zmiennymi kategorialnymi (test niezależności) oraz do sprawdzania, czy obserwowane liczebności zgadzają się z liczebnościami oczekiwanymi (test zgodności). Wykorzystuje on rozkład prawoskośny, który zależy od stopni swobody.

Cytuj ten materiał, stronę lub narzędzie w następujący sposób:

"Kalkulator Wartości p" na https://MiniWebtool.com/pl/kalkulator-wartosci-p/ z MiniWebtool, https://MiniWebtool.com/

autor: zespół miniwebtool. Aktualizacja: 20 marca 2026

Możesz także wypróbować nasz AI Rozwiązywacz Matematyczny GPT, aby rozwiązywać swoje problemy matematyczne poprzez pytania i odpowiedzi w języku naturalnym.

Inne powiązane narzędzia:

Kalkulator Wielkości Próby Testu A/BNowy

Kalkulator Istotności Testu A/BNowy

Detektor treści AINowy

Licznik tokenów AINowy

Kalkulator rozkładu dwumianowegoPolecane

Kalkulator Twierdzenia Centralnego Granicznego

Licznik znaków

Kalkulator testu chi-kwadratPolecane

Kalkulator d CohenaPolecane

Kalkulator przedziałów ufności

Kalkulator Wartości p

O Kalkulator Wartości p

Co to jest wartość p?

Jak korzystać z tego kalkulatora

Obsługiwane testy statystyczne

Test z (Standardowy rozkład normalny)

Test t (Rozkład t-Studenta)

Test chi-kwadrat (Rozkład χ²)

Test F (Rozkład F)

Testy jednostronne vs dwustronne

Typowe poziomy istotności

Częste nieporozumienia dotyczące wartości p

Najczęściej zadawane pytania

Co to jest wartość p?

Jaka jest różnica między testami jednostronnymi a dwustronnymi?

Kiedy powinienem użyć testu z, a kiedy testu t?

Co oznacza wartość p mniejsza niż 0,05?

Do czego służy test chi-kwadrat?

Inne powiązane narzędzia:

Statystyki i analiza danych:

Polecane narzędzia: