Máy tính Giá trị p

Tính toán giá trị p từ các số liệu kiểm định bao gồm điểm z, thống kê t, chi-square và thống kê F cho các kiểm định giả thuyết một đuôi và hai đuôi.

Sử dụng miễn phíKhông cần đăng kýCập nhật 03/2026

Máy tính Giá trị pDùng thử ngay — miễn phí ▼

Embed Máy tính Giá trị p Widget

Giới thiệu về Máy tính Giá trị p

Máy tính giá trị p tính toán giá trị p từ các số liệu thống kê kiểm định cho bốn phân phối thống kê chính: chuẩn tắc (z), Student's t, chi-bình phương (χ²) và F. Nó hỗ trợ các kiểm định giả thuyết một đuôi (trái và phải) và hai đuôi, cung cấp hình ảnh trực quan về đường cong phân phối tương tác và đưa ra lời giải thích rõ ràng về ý nghĩa thống kê.

Giá trị p là gì?

Giá trị p (p-value hoặc xác suất) là xác suất thu được một số liệu thống kê kiểm định ít nhất là cực đoan như số liệu đã quan sát được, giả định rằng giả thuyết không (H₀) là đúng. Nó đo lường sức mạnh của bằng chứng chống lại giả thuyết không trong một kiểm định thống kê.

Đối với kiểm định z hai đuôi:

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

Giá trị p nhỏ (p < 0.05): Bằng chứng mạnh mẽ chống lại H₀ — bác bỏ giả thuyết không
Giá trị p lớn (p ≥ 0.05): Bằng chứng yếu chống lại H₀ — chưa đủ cơ sở để bác bỏ giả thuyết không

Giá trị p không đo lường xác suất H₀ là đúng, cũng như không đo lường quy mô hoặc tầm quan trọng của một tác động. Nó chỉ cho bạn biết dữ liệu của bạn tương thích với H₀ đến mức nào.

Cách sử dụng máy tính này

Chọn loại kiểm định: Chọn phân phối phù hợp với kiểm định thống kê của bạn — kiểm định z (chuẩn tắc), kiểm định t (Student's t), kiểm định chi-bình phương hoặc kiểm định F.
Nhập số liệu thống kê kiểm định: Nhập giá trị thống kê kiểm định đã tính toán của bạn. Các số liệu thống kê chi-bình phương và F phải không âm.
Nhập bậc tự do: Đối với kiểm định t và chi-bình phương, hãy nhập df. Đối với kiểm định F, hãy nhập cả bậc tự do tử số (df₁) và mẫu số (df₂).
Chọn loại đuôi: Chọn hai đuôi cho các giả thuyết không định hướng hoặc một đuôi trái/phải cho các giả thuyết có định hướng.
Xem kết quả: Xem xét giá trị p, biểu đồ phân phối tương tác, đánh giá mức ý nghĩa ở nhiều mức alpha và giải thích bằng ngôn ngữ thông thường.

Các kiểm định thống kê được hỗ trợ

Kiểm định z (Phân phối chuẩn tắc)

Sử dụng khi biết độ lệch chuẩn của tổng thể hoặc kích thước mẫu lớn (n > 30). Số liệu thống kê z tuân theo phân phối chuẩn tắc $N(0, 1)$ dưới H₀.

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

Kiểm định t (Phân phối Student's t)

Sử dụng khi chưa biết độ lệch chuẩn của tổng thể và kích thước mẫu nhỏ. Phân phối t có các đuôi nặng hơn phân phối chuẩn, giúp giải thích cho sự không chắc chắn bổ sung. Khi df tăng lên, phân phối t tiến gần đến phân phối chuẩn tắc.

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

Kiểm định Chi-bình phương (Phân phối χ²)

Được sử dụng cho các kiểm định độ phù hợp và kiểm định tính độc lập với dữ liệu phân loại. Phân phối chi-bình phương bị lệch phải và chỉ được xác định cho các giá trị không âm.

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

Kiểm định F (Phân phối F)

Được sử dụng trong ANOVA và để so sánh các phương sai. Phân phối F yêu cầu hai tham số bậc tự do (tử số và mẫu số) và chỉ được xác định cho các giá trị không âm.

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

Kiểm định một đuôi so với hai đuôi

Tính năng	Hai đuôi	Một đuôi
Giả thuyết	H₁: μ ≠ μ₀	H₁: μ > μ₀ hoặc H₁: μ < μ₀
Vùng bác bỏ	Cả hai đuôi	Chỉ một đuôi
Giá trị p	2 × p một đuôi	Một nửa p hai đuôi
Lực lượng kiểm định	Thấp hơn (cho cùng mức α)	Cao hơn theo hướng dự đoán
Khi nào sử dụng	Không có kỳ vọng định hướng trước	Giả thuyết định hướng mạnh mẽ

Các mức ý nghĩa phổ biến

Alpha (α)	Mức tin cậy	Sử dụng điển hình
0.10	90%	Nghiên cứu khám phá
0.05	95%	Hầu hết các nghiên cứu khoa học (ngưỡng tiêu chuẩn)
0.01	99%	Các nghiên cứu khắt khe hơn, nghiên cứu y học
0.001	99.9%	Vật lý hạt, bộ gen

Các quan niệm sai lầm phổ biến về giá trị p

Quan niệm sai lầm: "p = 0.03 có nghĩa là có 3% khả năng H₀ là đúng." Thực tế: Giá trị p là xác suất của dữ liệu nếu giả sử H₀ đúng, không phải xác suất H₀ đúng.
Quan niệm sai lầm: "Giá trị p nhỏ hơn có nghĩa là tác động lớn hơn." Thực tế: Giá trị p phụ thuộc vào cả quy mô tác động và kích thước mẫu. Một tác động nhỏ bé cũng có thể tạo ra giá trị p rất nhỏ với kích thước mẫu đủ lớn.
Quan niệm sai lầm: "p > 0.05 có nghĩa là không có tác động." Thực tế: Việc không bác bỏ H₀ không chứng minh rằng H₀ là đúng. Nó chỉ có nghĩa là bằng chứng chưa đủ để bác bỏ nó ở mức đã chọn.
Quan niệm sai lầm: "Có thể so sánh các giá trị p giữa các nghiên cứu." Thực tế: Các giá trị p từ các nghiên cứu khác nhau với thiết kế, kích thước mẫu và tổng thể khác nhau không thể so sánh trực tiếp với nhau.

Câu hỏi thường gặp

Giá trị p là gì?

Giá trị p là xác suất thu được một số liệu thống kê kiểm định ít nhất là cực đoan như số liệu đã quan sát được, giả định rằng giả thuyết không là đúng. Nó định lượng sức mạnh của bằng chứng chống lại giả thuyết không. Giá trị p càng nhỏ cho thấy bằng chứng chống lại H₀ càng mạnh.

Sự khác biệt giữa kiểm định một đuôi và hai đuôi là gì?

Kiểm định hai đuôi kiểm tra các tác động theo cả hai hướng (lớn hơn hoặc nhỏ hơn dự kiến), trong khi kiểm định một đuôi chỉ kiểm tra theo một hướng. Kiểm định hai đuôi thận trọng hơn. Chỉ sử dụng kiểm định một đuôi khi bạn có giả thuyết định hướng mạnh mẽ trước khi thu thập dữ liệu.

Khi nào tôi nên sử dụng kiểm định z so với kiểm định t?

Sử dụng kiểm định z khi bạn biết độ lệch chuẩn của tổng thể hoặc khi kích thước mẫu lớn (n > 30), vì phân phối chọn mẫu xấp xỉ phân phối chuẩn. Sử dụng kiểm định t khi độ lệch chuẩn của tổng thể chưa biết và kích thước mẫu nhỏ, vì phân phối t tính đến sự không chắc chắn bổ sung với các đuôi nặng hơn.

Giá trị p nhỏ hơn 0.05 có nghĩa là gì?

Giá trị p nhỏ hơn 0.05 có nghĩa là có ít hơn 5% xác suất quan sát thấy dữ liệu (hoặc dữ liệu cực đoan hơn) nếu giả thuyết không là đúng. Theo quy ước, điều này được coi là có ý nghĩa thống kê, dẫn đến việc các nhà nghiên cứu bác bỏ giả thuyết không. Tuy nhiên, ý nghĩa thống kê không nhất thiết hàm ý ý nghĩa thực tiễn.

Kiểm định chi-bình phương được sử dụng để làm gì?

Kiểm định chi-bình phương được sử dụng để kiểm tra mối quan hệ giữa các biến phân loại (kiểm định tính độc lập) và để kiểm tra xem tần suất quan sát được có khớp với tần suất mong đợi hay không (kiểm định độ phù hợp). Nó sử dụng phân phối lệch phải phụ thuộc vào bậc tự do.

Tham khảo nội dung, trang hoặc công cụ này như sau:

"Máy tính Giá trị p" tại https://MiniWebtool.com/vi/may-tinh-gia-tri-p/ từ MiniWebtool, https://MiniWebtool.com/

bởi đội ngũ miniwebtool. Cập nhật: 20/03/2026

Có API dành cho developer: Chạy công cụ này từ ứng dụng, tự động hóa hoặc agent của bạn bằng một yêu cầu HTTP JSON. Xem tài liệu API

Bạn cũng có thể thử AI Giải Toán GPT của chúng tôi để giải quyết các vấn đề toán học của bạn thông qua câu hỏi và trả lời bằng ngôn ngữ tự nhiên.

Máy tính Giá trị p

Giới thiệu về Máy tính Giá trị p

Giá trị p là gì?

Cách sử dụng máy tính này

Các kiểm định thống kê được hỗ trợ

Kiểm định z (Phân phối chuẩn tắc)

Kiểm định t (Phân phối Student's t)

Kiểm định Chi-bình phương (Phân phối χ²)

Kiểm định F (Phân phối F)

Kiểm định một đuôi so với hai đuôi

Các mức ý nghĩa phổ biến

Các quan niệm sai lầm phổ biến về giá trị p

Câu hỏi thường gặp

Giá trị p là gì?

Sự khác biệt giữa kiểm định một đuôi và hai đuôi là gì?

Khi nào tôi nên sử dụng kiểm định z so với kiểm định t?

Giá trị p nhỏ hơn 0.05 có nghĩa là gì?

Kiểm định chi-bình phương được sử dụng để làm gì?

Thống kê và phân tích dữ liệu:

Công cụ phổ biến và mới cập nhật:

Tải tất cả trong một tệp ZIP với Pro