Ett z-test är ett test av standard normalfördelning Även om du kan beräkna ett z-poängs P-värde för hand är formeln extremt komplex. Lyckligtvis kan du använda en kalkylarksapplikation för att utföra dina beräkningar istället. Steg 1: Ange Z-poäng i ditt program Öppna kalkylarksprogrammet och skriv in z-poängen från z-test i cell A1. Antag att du jämnar höjderna av män till kvinnornas höjd i ett urval av studenter. Om du gör testet genom att subtrahera kvinnornas höjder från mäns höjder kan du ha en z-poäng på 2,5. Om du däremot subtraherar männens höjder från kvinnornas höjder kan du få en z-poäng på -2,5. Dessa är för analytiska ändamål ekvivalenta. Steg 2: Ange nivån av betydelse Bestäm om du vill att P-värdet ska vara högre än denna z-poäng eller lägre än den här z -Göra. Ju högre absolutvärdena för dessa siffror desto mer sannolikt är dina resultat statistiskt signifikanta. Om din z-poäng är negativ, vill du absolut ha ett mer negativt P-värde, om det är positivt vill du absolut ha ett mer positivt P-värde. Steg 3: Beräkna P-värdet I cell B1 anger du = NORM.S.DIST (A1, FALSE) om du vill ha p-värdet för denna poäng eller lägre; skriv in = NORM.S.DIST (A1, TRUE) om du vill ha p-värdet av denna poäng eller högre. Om du till exempel drog ner kvinnornas höjder från männen och fick z = 2.5, ange = NORM.S.DIST (A1, FALSE); du borde få 0,0175. Detta innebär att om den genomsnittliga höjden för alla högskolans män var densamma som den genomsnittliga höjden för alla college kvinnor, är chansen att få denna höga z-poäng i ett prov endast 0,0175 eller 1,75 procent. TL; DR (för länge, läste inte) Du kan också beräkna dessa i R, SAS, SPSS eller på vissa vetenskapliga räknare.
en klockformad kurva med ett medelvärde på 0 och en standardavvikelse på 1. Dessa test uppstår i många statistiska förfaranden. Ett P-värde är ett mått på den statistiska betydelsen av ett statistiskt resultat. Statistisk betydelse adresserar frågan: "Om, i hela befolkningen från vilken det här provet drogs, var parametervärdet 0, hur sannolikt är resultaten så extrema som detta eller mer extrema?" Det ligger till grund för att avgöra om en observation av ett prov endast är resultatet av slumpmässig chans (det vill säga att acceptera nollhypotesen) eller om en studieintervention faktiskt har givit en verklig effekt (det vill säga att avvisa nollhypotesen).