p值計算機

根據測試統計量（包括 z 分數、t 統計量、卡方和 F 統計量）計算單尾和雙尾假設檢定之 p值。

p值計算機

Embed p值計算機 Widget

p值計算機

p值計算機可以根據四種主要統計分佈的檢定統計量計算 p值：標準常態 (z)、Student's t、卡方 (χ²) 和 F。它支援單尾（左側和右側）和雙尾假設檢定，提供互動式分佈曲線視覺化，並對統計顯著性提供清晰的解釋。

什麼是 p值？

p值 (probability value) 是在假設虛無假設 (H₀) 為真的情況下，獲得與觀察到的統計量至少一樣極端的檢定統計量的機率。它衡量統計檢定中反對虛無假設的證據強度。

對於雙尾 z-檢定：

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

小 p值 (p < 0.05)： 反對 H₀ 的證據強烈 —— 拒絕虛無假設
大 p值 (p ≥ 0.05)： 反對 H₀ 的證據微弱 —— 未能拒絕虛無假設

p值不衡量 H₀ 為真的機率，也不衡量效應的大小或重要性。它只告訴您數據與 H₀ 的相容程度。

如何使用此計算機

選擇檢定類型： 選擇與您的統計檢定匹配的分佈 —— z-檢定（標準常態）、t-檢定 (Student's t)、卡方檢定或 F-檢定。
輸入檢定統計量： 輸入您計算出的檢定統計量數值。卡方和 F 統計量必須為非負數。
輸入自由度： 對於 t-檢定和卡方檢定，請輸入 df。對於 F-檢定，請同時輸入分子 (df₁) 和分母 (df₂) 自由度。
選擇檢定尾數： 無方向性假設請選擇雙尾，有方向性假設請選擇左/右尾。
查看結果： 檢查 p值、互動式分佈圖表、多個 alpha 水準下的顯著性評估以及白話文解釋。

支援的統計檢定

z-檢定（標準常態分佈）

當母體標準差已知或樣本量較大 (n > 30) 時使用。在 H₀ 下，z-統計量服從標準常態分佈 $N(0, 1)$。

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

t-檢定 (Student's t 分佈)

當母體標準差未知且樣本量較小時使用。t-分佈比常態分佈具有更厚的尾部，考慮了額外的不確定性。隨著 df 的增加，t-分佈趨近於標準常態分佈。

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

卡方檢定 (χ² 分佈)

用於適合度檢定和類別數據的獨立性檢定。卡方分佈是右偏的，僅對非負值有定義。

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

F-檢定 (F 分佈)

用於 ANOVA（變異數分析）和比較變異數。F-分佈需要兩個自由度參數（分子和分母），且僅對非負值有定義。

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

單尾 vs 雙尾檢定

特徵	雙尾	單尾
假設	H₁: μ ≠ μ₀	H₁: μ > μ₀ 或 H₁: μ < μ₀
拒絕域	雙側尾部	僅單側尾部
p值	2 × 單尾 p值	雙尾 p值的一半
檢定力	較低（相同 α 下）	在預測方向上較高
使用時機	無事先的方向性預期	具有強烈的方向性假設

常用顯著性水準

Alpha (α)	信心水準	典型用途
0.10	90%	探索性研究
0.05	95%	大多數科學研究（標準門檻）
0.01	99%	更嚴格的研究、醫學研究
0.001	99.9%	粒子物理學、基因組學

關於 p值的常見誤解

誤解：「p = 0.03 意味著 H₀ 為真的機率只有 3%。」 現實： p值是在假設 H₀ 為真的前提下觀察到該數據的機率，而不是 H₀ 為真的機率。
誤解：「更小的 p值意味著更大的效應。」 現實： p值取決於效應量和樣本量。如果有足夠大的樣本，微小的效應也可以產生非常小的 p值。
誤解：「p > 0.05 意味著沒有效應。」 現實： 未能拒絕 H₀ 並不證明 H₀ 是真的。它只是意味著證據不足以在所選水準下拒絕它。
誤解：「不同研究之間的 p值可以直接比較。」 現實： 來自具有不同設計、樣本量和母體的不同研究的 p值不具備直接可比性。

常見問題解答

什麼是 p值？

p值是在假設虛無假設為真的情況下，獲得與觀察到的統計量至少一樣極端的檢定統計量的機率。它量化了反對虛無假設的證據強度。較小的 p值表示反對 H₀ 的證據越強。

單尾檢定和雙尾檢定有什麼區別？

雙尾檢定檢查兩個方向（大於或小於預期）的效應，而單尾檢定僅檢查一個方向。雙尾檢定較為保守。僅當您在收集數據前具有強烈的方向性假設時，才使用單尾檢定。

我應該什麼時候使用 z-檢定與 t-檢定？

當您知道母體標準差或樣本量較大 (n > 30) 時，請使用 z-檢定，因為抽樣分佈近似於常態分佈。當母體標準差未知且樣本量較小時，請使用 t-檢定，因為 t-分佈通過較厚的尾部考慮了額外的不確定性。

p值小於 0.05 意味著什麼？

p值小於 0.05 意味著如果虛無假設為真，觀察到該數據（或更極端數據）的機率小於 5%。按照慣例，這被認為具有統計顯著性，導致研究人員拒絕虛無假設。然而，統計顯著性並不一定意味著實際顯著性。

卡方檢定用於什麼？

卡方檢定用於檢定類別變數之間的關係（獨立性檢定）以及檢定觀察頻率是否符合預期頻率（適合度檢定）。它使用取決於自由度的右偏分佈。

引用此內容、頁面或工具為：

"p值計算機" 於 https://MiniWebtool.com/zh-tw/p值計算機/，來自 MiniWebtool，https://MiniWebtool.com/

由 miniwebtool 團隊提供。更新日期：2026年3月20日

開發者 API 可用: 用一次 JSON HTTP 請求，把這個工具接入你的應用程式、自動化流程或代理。查看 API 文件

您還可以嘗試我們的 AI數學解題器 GPT，通過自然語言問答解決您的數學問題。

p值計算機

p值計算機

什麼是 p值？

如何使用此計算機

支援的統計檢定

z-檢定（標準常態分佈）

t-檢定 (Student's t 分佈)

卡方檢定 (χ² 分佈)

F-檢定 (F 分佈)

單尾 vs 雙尾檢定

常用顯著性水準

關於 p值的常見誤解

常見問題解答

什麼是 p值？

單尾檢定和雙尾檢定有什麼區別？

我應該什麼時候使用 z-檢定與 t-檢定？

p值小於 0.05 意味著什麼？

卡方檢定用於什麼？

統計與數據分析:

常用工具: