I statistik är p-värdet sannolikheten för att en testad hypotes ger resultat som skulle ha samma eller större storlek än de faktiska resultaten. Detta antar att nollhypotesen visar sig vara sant, vilket innebär att det inte finns något bevisat samband mellan de objekt som testas. Det finns flera sätt att hitta p-värden när du testar en hypotes, men en av de enklaste metoderna är att använda en grafberäknare som en TI-83. Dessa kalkylatorer har flera inbyggda test som ger dig p-värdet tillsammans med andra viktiga data.
Använda ett T-test

Det mest grundläggande statistiska testet för att generera p-värden med är ett t-test . Du kan komma åt t-testfunktionen på en TI-83-räknare genom att trycka på STAT-knappen och sedan trycka på HÖGERPIL-knappen två gånger för att öppna TESTS-listan. När du är där trycker du på nummer 2 eller trycker på PIL NER en gång för att markera "2: T-test ..." och tryck på ENTER-knappen.

På T-Test-sidan väljer du DATA om du har en individuell datapunkter att ange, eller välj STATS om du har statistiska data som exempelmedlet och standardavvikelsen. Ange dina datapunkter eller statistiska data med hjälp av knappsatsen och tryck på PIL NED-knappen efter behov för att gå igenom listan med alternativ. När du har angett dina data, välj alternativet "Beräkna" och tryck på ENTER. Vänta tills data bearbetas och hitta sedan raden som börjar med "p \u003d" i dina resultat; detta är p-värdet för dina data.
Två prov-T-test

Om du försöker jämföra medelvärden mellan två grupper av data för att se om det finns en statistiskt signifikant skillnad mellan dem, du ' Jag ska använda ett tvåprovstest i stället. Öppna TESTS-menyn som ovan, men välj istället "4: 2SampTTest ...". Som tidigare måste du ange antingen datapunkter eller statistiska data, men den här gången finns det två uppsättningar data att ange. I kalkylatorn kommer dessa två uppsättningar att numreras "1" och "2", så att du ser fält som ber om saker som "n1" eller "Sx2" för att ange data från en specifik uppsättning eller annan. Du kanske också måste specificera din hypotes, och ange om de två datauppsättningarna helt enkelt inte är lika eller om en tros ge resultat som är större än eller mindre än den andra.

När du har angett dina data , välj alternativet "Beräkna" som tidigare. Vänta ett ögonblick på att data behandlas och sök sedan efter ditt p-värde i resultaten. Resultaten kommer att likna de resultat som tillhandahålls av t-testet med ett prov ovan, även om det kommer att finnas några skillnader. Kanske är den mest anmärkningsvärda skillnaden att du kommer att generera data från var och en av dina datauppsättningar, så förutom övergripande data kommer du också att ha ytterligare poster som sträcker sig längre ner på skärmen och kräver rullning för att få åtkomst. Ditt övergripande p-värde kommer dock fortfarande att vara nära toppen av skärmen.
Z-Tester

Z-test är ett annat alternativ för att beräkna p-värden. Huvudskillnaden mellan z-test och t-test är att uppgifterna i z-test följer en normal distribution istället för en distribution baserad på användarlevererade data. Som ett resultat finns det mycket mindre data att ange när du använder z-test eftersom det antas att du redan har proportioner baserade på normalfördelningen. Z-test finns i samma TESTS-meny som t-test, men du väljer antingen "5: 1-PropZTest ..." eller "6: 2-PropZTest ..." beroende på om du testar proportioner av en grupp data eller hitta skillnader mellan två grupper.

Ange den begärda statistiska informationen för ditt test, liknande det du skulle ange i motsvarande t-test; Observera att det inte finns något alternativ att ange datapunkter eftersom normalfördelningen antas. Välj "Beräkna" för att bearbeta data och kontrollera sedan dina resultat; du kan se flera objekt som har en p i deras namn, men det finns fortfarande bara en rad som bara läser "p \u003d." Detta är ditt p-värde.