P-value ক্যালকুলেটর
Z, t, χ² বা F test statistic-এর মান, প্রয়োজনীয় degrees of freedom এবং tail নির্বাচন করে p-value হিসাব করুন।
P-value কী?
P-value হলো একটি hypothesis test-এ পাওয়া test statistic-এর মতো বা তার চেয়ে বেশি extreme ফল পাওয়ার probability, যখন null hypothesis (H₀) সত্য ধরে নেওয়া হয়। সহজভাবে বললে, H₀ সত্য হলে আমাদের পাওয়া ফলটি কতটা অস্বাভাবিক, p-value সেটি বোঝাতে সাহায্য করে।
p-value যত ছোট হয়, H₀-এর সঙ্গে observed ফলের অসামঞ্জস্যের evidence তত বেশি হতে পারে। তবে p-value কখনোই H₀ সত্য হওয়ার probability নয়।
P-value-এর মূল সূত্র
P-value-এর একটি মাত্র সূত্র সব test-এর জন্য একই নয়। কোন probability distribution ব্যবহার হচ্ছে এবং test কোন দিকে করা হচ্ছে, তার ওপর tail probability নির্ভর করে। সাধারণভাবে:
এখানে tobs বলতে observed test statistic বোঝানো হয়েছে। Calculator-এ Z, t, χ² এবং F distribution ব্যবহার করা যায়।
কোন test-এ কোন সূত্র ব্যবহার হয়?
| Test | মূল হিসাব | যা দরকার |
|---|---|---|
| Z test | p = tail area of N(0,1) | Test statistic |
| t test | p = tail area of t(df) | Test statistic ও df |
| χ² test | p = tail area of χ²(df) | Test statistic ও df |
| F test | p = tail area of F(df₁, df₂) | Test statistic, df₁ ও df₂ |
Z distribution-এর shape fixed। কিন্তু t distribution-এর shape degrees of freedom-এর সঙ্গে বদলায়। χ² ও F distribution asymmetric। তাই এই calculator-এ χ² ও F-এর জন্য left-tailed ও right-tailed option রাখা হয়েছে।
এই ক্যালকুলেটর কীভাবে কাজ করে?
এই calculator প্রথমে আপনার test type ও test statistic নেয়। t, χ² এবং F test হলে প্রয়োজনীয় degrees of freedom নেয়। এরপর নির্বাচিত distribution-এর cumulative probability থেকে নির্ধারিত tail area বের করে। তারপর সেটিই p-value হিসেবে দেখায়। আপনি α দিলে calculator p-value-কে α-এর সঙ্গে তুলনা করে ফলের significance-ও দেখায়।
- Test type বাছুন: Z, t, χ² বা F test নির্বাচন করুন।
- Test statistic দিন: আপনার হিসাব করা statistic লিখুন।
- প্রয়োজনীয় df দিন: t ও χ²-এর জন্য df এবং F test-এর জন্য df₁ ও df₂ দিন।
- Tail বাছুন: Z/t-এর ক্ষেত্রে left, right বা two-tailed নির্বাচন করা যায়।
- ফল দেখুন: calculator p-value দেখাবে। α দিলে p-value-এর সঙ্গে তার তুলনাও দেখাবে।
Tail selection-এর অর্থ
Left-tailed test: test statistic-এর বাম পাশের area p-value হিসেবে নেওয়া হয়।
Right-tailed test: test statistic-এর ডান পাশের area p-value হিসেবে নেওয়া হয়।
Two-tailed test: দুই দিকের extreme ফল বিবেচনা করা হয়। Z ও t-এর মতো symmetric distribution-এ দুই tail-এর probability একসঙ্গে ধরা যায়।
Two-tailed p-value-তে দুই পাশের tail area একসঙ্গে বিবেচনা করা হয়। NIST standard normal CDF-কে tail probabilities নির্ণয়ের ভিত্তি হিসেবে ব্যবহার করে।
উদাহরণসহ p-value বোঝা
উদাহরণ ১ - Z test: z = 1.96 এবং two-tailed test হলে p-value প্রায় 0.05। আরও নির্দিষ্টভাবে এটি প্রায় 0.049996।
উদাহরণ ২ - Z test: z = 2.58 হলে two-tailed p-value প্রায় 0.00988, অর্থাৎ প্রায় 0.01।
উদাহরণ ৩ - t test: t = 2 এবং df = 10 হলে two-tailed p-value প্রায় 0.0734। df বদলালে একই t statistic-এর p-value-ও বদলাতে পারে।
P-value ও significance level (α)
Hypothesis test করার আগে একটি significance level বা α নির্ধারণ করা হয়। 0.05 একটি প্রচলিত মান। Calculator-এ α দেওয়া ঐচ্ছিক। α দিলে সাধারণ decision rule হলো:
এখানে “H₀ প্রত্যাখ্যান করা” আর “H₀ মিথ্যা প্রমাণিত হওয়া” এক কথা নয়। সিদ্ধান্তটি নির্দিষ্ট α এবং test-এর assumptions-এর ওপর নির্ভর করে।
হিসাব করার সময় কী খেয়াল করবেন?
- Test statistic-এর সঙ্গে সঠিক test type মিলিয়ে নিন।
- t, χ² ও F test-এর degrees of freedom সঠিকভাবে দিন।
- Alternative hypothesis অনুযায়ী tail নির্বাচন করুন।
- α ব্যবহার করলে test শুরু করার আগে নির্ধারিত significance level-এর সঙ্গে তুলনা করুন।
- শুধু p-value দেখে effect size, confidence interval বা practical importance সম্পর্কে সিদ্ধান্ত নেবেন না।
P-value কী বলে না?
P-value কোনো hypothesis সত্য হওয়ার probability নয়। এটি effect size-ও নয়। একটি ছোট p-value পাওয়া গেলেই ফলটি বাস্তবে বড় বা গুরুত্বপূর্ণ, এমন বলা যায় না। Sample size, effect size, confidence interval এবং গবেষণার assumptions-ও বিবেচনা করা দরকার।