However, what if want an exact p-va

However, what if want an exact p-value? Well, back in the day, the tables of critical values were huge,
and so you could look up your actual z-value, and find the smallest value of α for which your data would
be significant (which, as discussed earlier, is the very definition of a p-value). However, looking things up
in books is tedious, and typing things into computers is awesome. So let’s do it using R instead. Now,
notice that the α level of a z-test (or any other test, for that matter) defines the total area “under the
curve” for the critical region, right? That is, if we set α “ .05 for a two-sided test, then the critical region
is set up such that the area under the curve for the critical region is .05. And, for the z-test, the critical
value of 1.96 is chosen that way because the area in the lower tail (i.e., below ´1.96) is exactly .025 and
the area under the upper tail (i.e., above 1.96) is exactly .025. So, since our observed z-statistic is 2.26,
why not calculate the area under the curve below ´2.26 or above 2.26? In R we can calculate this using
the pnorm() function. For the upper tail:

ผลลัพธ์ (ไทย) 1:

อย่างไรก็ตาม ถ้าต้อง p-ค่าตัวแน่นอนหรือไม่ ดี ในวัน ตารางของค่าวิกฤตได้อย่างมาก,
และเพื่อ ให้คุณสามารถดูค่าของจริง z- และค้นหาค่าที่น้อยที่สุดของαซึ่งข้อมูลของคุณจะ
เป็นสำคัญ ( ที่กล่าวถึงก่อนหน้านี้ เป็นการกำหนดค่า p มาก) อย่างไรก็ตาม หาสิ่ง
ในหนังสือน่าเบื่อ และพิมพ์สิ่งต่าง ๆ ลงในคอมพิวเตอร์เป็นน่ากลัว ดังนั้นเราใช้ R แทน ตอนนี้,
แจ้งว่า ระดับαทดสอบ z หรือการทดสอบอื่น ๆ สำหรับเรื่องที่) กำหนดพื้นที่ "ภายใต้การ
โค้ง" สำหรับภูมิภาคสำคัญ ขวา นั่นคือ ถ้าเราตั้งค่าα ".05 ในการทดสอบแบบสองหน้า แล้วภูมิภาคสำคัญ
ถูกตั้งค่าให้พื้นที่ภายใต้โค้งสำหรับภูมิภาคสำคัญคือ .05 และ การ ทดสอบ z ที่สำคัญ
ค่า 196 จะเลือกวิธีนี้เนื่องจากพื้นที่ในหางล่าง (เช่น ใต้ ´1.96) ตรง.025 และ
.025 ว่าเป็นบริเวณใต้หางด้านบน (เช่น เหนือ 1.96) ดังนั้น z-สถิติของเราสังเกตเป็น 2.26,
ทำไมไม่คำนวณพื้นที่ใต้เส้นโค้งด้าน ล่าง ´2.26 หรือสูง กว่า 2.26 ใน R เราสามารถคำนวณนี้ใช้
ฟังก์ชัน pnorm() สำหรับหางด้านบน:

ผลลัพธ์ (ไทย) 3:

แต่ถ้าต้องการผลที่แน่นอน ? อืม กลับในวัน ตารางค่าวิกฤตมีขนาดใหญ่
และดังนั้นคุณสามารถค้นหา z-value ที่แท้จริงของคุณและหาค่าที่น้อยที่สุดของαที่ข้อมูลของคุณจะ
เป็นสําคัญ ( ซึ่ง , ตามที่กล่าวไว้ก่อนหน้านี้ คือ นิยามของ p ) อย่างไรก็ตาม มองสิ่งต่าง ๆขึ้น
ในหนังสือเป็นเรื่องน่าเบื่อ และพิมพ์สิ่งต่างๆ ในคอมพิวเตอร์ มันสุดยอดก็ใช้ R แทน ตอนนี้
สังเกตเห็นว่าระดับαของครูวิทยาศาสตร์ ( หรือแบบอื่นใดสำหรับเรื่องที่ ) กำหนดพื้นที่รวม " ภายใต้
โค้ง " สำหรับภูมิภาคที่สำคัญใช่มั้ย ? นั่นคือ ถ้าเราตั้งα " อย่างมีนัยสำคัญทางสถิติที่ระดับ . 05 สำหรับการทดสอบแบบสอง จากนั้น
เขตวิกฤตตั้งขึ้น เช่น พื้นที่ใต้เส้นโค้งสำหรับภูมิภาคที่สำคัญ . 05 และเพื่อเปรียบเทียบ ค่าวิกฤต
1เป็นเลือกแบบนั้น เพราะพื้นที่ในหางต่ำ ( เช่น ด้านล่างใหม่ 1.96 ) คือตรง . 025 และ
บริเวณใต้หางส่วนบน ( เช่นข้างต้น 1.96 ) คือตรง . 025 . ดังนั้น เมื่อเราสังเกต z-statistic เป็น 2.26 ,
ทำไมไม่คำนวณพื้นที่ใต้เส้นโค้งด้านล่างใหม่ 2.26 ขึ้นไป 2.26 ? R เราสามารถคำนวณได้โดยใช้ฟังก์ชัน pnorm()
. สำหรับหาง :
บน