🧪 P值计算器
P值计算器是一款免费的统计工具，可从Z分数计算假设检验的P值。输入您的检验统计量并选择尾型，即可获得P值，以及α=0.05和α=0.01水平下的显著性结论。所有计算均在您的浏览器中本地运行，使用标准正态累积分布函数。研究人员、学生和分析师使用它来判断是否拒绝零假设。
从Z分数（检验统计量）计算假设检验的P值。支持左尾、右尾及双尾检验，并给出α=0.05与α=0.01的显著性结论。
这是什么工具？
P值是在零假设（H₀）为真的前提下，观察到至少与实际所得检验统计量一样极端的结果的概率。在假设检验中，您从两个对立陈述开始：零假设 H₀（通常是"无效果"或"无差异"）以及备择假设 H₁（"有效果"）。您从数据计算出Z分数，再利用标准正态分布将其转换为P值。P值越小，表示在H₀为真的情况下，观察到的结果越不可能发生，也就是反对证据越强。例如，若您在测试新药是否有效，H₀表示药物无效。若研究得出p = 0.03，表示在药物确实无效的情况下，只有3%的概率会看到如此极端的结果。按照惯例，当P值小于显著性水平α（通常为0.05）时，您就拒绝H₀并宣称结果"统计上显著"。P值同时取决于效果大小和样本量，因此应搭配置信区间和效应量一起解读。下图显示在α = 0.05双尾检验下，标准正态分布尾部（红色阴影）的拒绝域。运作原理
计算器使用标准正态分布的累积分布函数（CDF）将Z分数转换为P值。CDF记为Φ(Z)，给出标准正态随机变量小于等于Z的概率，通过误差函数计算：Φ(Z) = 0.5 × (1 + erf(Z / √2))。计算器使用Abramowitz-Stegun近似法来计算erf，精度在1.5 × 10⁻⁷以内。根据所选的检验类型，适用三个公式。左尾检验（H₁：参数 < 值），p = Φ(Z)，即曲线下方Z左侧的面积。右尾检验（H₁：参数 > 值），p = 1 − Φ(Z)，即Z右侧的面积。双尾检验（H₁：参数 ≠ 值），p = 2 × (1 − Φ(|Z|))，同时考虑两侧尾部。单尾与双尾的区别至关重要：双尾检验将拒绝域α分割到两侧尾部，使得相同的Z分数更难达到显著。例如，Z = 1.96在双尾检验中p = 0.05，但在单尾检验中p = 0.025。计算出P值后，计算器将其与传统阈值α = 0.05和α = 0.01比较，报告结果在各水平下是否达到统计显著。常见Z分数与P值对照表
快速查询最常用的Z分数及其对应的单尾和双尾P值。
| Z分数 | 单尾p | 双尾p | 显著性 |
|---|---|---|---|
| 1.00 | 0.1587 | 0.3173 | 不显著 |
| 1.282 | 0.10 | 0.20 | 不显著 |
| 1.645 | 0.05 | 0.10 | 显著（单尾α=0.05） |
| 1.96 | 0.025 | 0.05 | 显著（双尾α=0.05） |
| 2.00 | 0.0228 | 0.0455 | 显著 |
| 2.326 | 0.01 | 0.02 | 显著（单尾α=0.01） |
| 2.576 | 0.005 | 0.01 | 显著（双尾α=0.01） |
| 3.00 | 0.00135 | 0.0027 | 高度显著 |
| 3.291 | 0.0005 | 0.001 | 高度显著（α=0.001） |
显著性阈值与临界值
标准显著性水平（α）及其对应的Z临界值和置信水平。
| α（显著性水平） | 置信水平 | Z（双尾） | Z（单尾） |
|---|---|---|---|
| 0.10（10%） | 90% | ±1.645 | ±1.282 |
| 0.05（5%） | 95% | ±1.96 | ±1.645 |
| 0.01（1%） | 99% | ±2.576 | ±2.326 |
| 0.005（0.5%） | 99.5% | ±2.807 | ±2.576 |
| 0.001（0.1%） | 99.9% | ±3.291 | ±3.090 |
若您的|Z|超过所选α的临界值，则拒绝H₀。
使用方法
- 输入您从分析中获得的Z分数（检验统计量）。例如1.96是常见的临界值。
- 选择检验类型：双尾（H₁：≠）、左尾（H₁：<）或右尾（H₁：>）。这必须与您的备择假设一致。
- 点击计算，使用标准正态CDF计算P值。
- 查看P值以及α = 0.05和α = 0.01水平下的显著性结论。
- 根据P值判断是否拒绝或无法拒绝零假设H₀，并将其与效应量和置信区间一起报告。
常见问题
什么是P值？
P值是在零假设为真的前提下，观察到至少与实际所得检验统计量一样极端的结果的概率。它量化了如果确实没有效果，您的数据有多令人意外。P值越小，对H₀的反对证据越强。
单尾检验和双尾检验有什么区别？
单尾检验仅检查单一方向的效果（大于或小于），将全部α放在单一尾部。双尾检验则检查任一方向的效果，将α平均分配到两侧尾部。对于相同的Z分数，单尾检验的P值是双尾检验的一半。
p < 0.05一定显著吗？
按照惯例，p < 0.05被称为"统计上显著"，但此阈值是任意设定的。它表示如果H₀为真，看到此结果的概率不到5%。某些学科使用更严格的阈值如0.01或0.001。请务必报告精确的P值，而不只是"显著"或"不显著"。
P值可以为零吗？
理论上，连续分布的P值永远不会刚好为零，但可以小到四舍五入后为零（例如p < 0.0001）。此时您可以报告为p < 0.001。极小的P值表示对H₀有压倒性的反对证据。
如果我的P值很大代表什么？
大的P值（例如0.40）表示您的数据与零假设相当相容——没有足够的证据拒绝它。但这不代表证明H₀为真。可能是样本量太小，无法检测到真实效果（统计检验力不足）。
为什么Z = 1.96对应p = 0.05？
在标准正态分布中，超过±1.96以外的总面积恰好是5%（每尾各2.5%）。因此对于双尾检验，Z = 1.96是α = 0.05的临界值。这也是1.96是统计学中最常被引用的数字之一的原因。
技巧与建议
请务必在收集数据之前决定显著性水平α——事后更改会引入偏差。P值低于0.05惯例上称为"显著"，但此阈值是任意设定的；许多领域现在要求p < 0.01或报告精确P值。请记住，统计显著不代表实际重要性：大样本可能对微不足道的效果产生极小的P值。务必将P值与效应量和置信区间搭配使用。当您的假设有方向性时切勿使用双尾检验（应用单尾），反之亦然。P值不是H₀为真的概率——它是在H₀为真时观察到该数据的概率。此工具仅执行Z检验；当样本量小或总体标准差未知时，请改用t分布计算器执行t检验。
相关工具
Z 分数计算器
输入原始分数、总体平均值与标准差，立即算出 Z 分数、百分等级和累积概率。支持反向由 Z 分数查百分位数，免费在线统计工具。
正态分布计算器
立即计算正态分布概率。求 P(X≤x)、P(X≥x)、P(a≤X≤b)，只需输入均值 μ 与标准差 σ。免费、本地离线运算。
置信区间计算器
使用 Z 分布或 t 分布计算总体均值的置信区间。输入样本均值、标准差、样本量与置信水平，立即得出抽样误差和上下限。
标准差计算器
从任何数据集计算标准差、方差、平均值和极差。免费在线统计计算器，支持样本和总体标准差。快速给出答案，帮你做出更好决策。提供详细步骤和分步说明。
统计计算器
免费在线统计计算器。从任意数据集计算平均值、中位数、众数、极差、方差、标准差和四分位数。快速准确。数据不会离开你的设备，隐私有保障。结果精度可调，满足不同场景需
来源与参考
- Wasserstein, R. L. & Lazar, N. A. (2016). "The ASA Statement on p-Values: Context, Process, and Purpose." The American Statistician, 70(2), 129-133. tandfonline.com.
- NIST/SEMATECH. "e-Handbook of Statistical Methods." itl.nist.gov.
- Abramowitz, M. & Stegun, I. A. (1964). Handbook of Mathematical Functions, Formula 7.1.26（误差函数近似）.
最后审阅：2026年8月。
限制与免责声明
本工具仅从Z分数计算标准正态分布的P值，不执行t检验、卡方检验、F检验或方差分析。
本工具未涵盖的因素：
- 小样本：当n < 30或总体标准差未知时，使用t分布的t检验比Z检验更合适。
- 多重比较：进行多次检验会膨胀假阳性率。本工具不套用Bonferroni或其他校正。
- 效应量：小的P值不代表效果大或具有实际重要性。务必将效应量和置信区间与P值一起考量。
- 假设条件：Z检验假设数据呈正态分布（或样本够大以适用中心极限定理）、观测值独立，且总体方差已知。
P值不应作为科学或商业决策的唯一依据。