ఎక్సెల్ లో పి విలువ (ఉదాహరణలు) | ఎక్సెల్ టి-టెస్ట్‌లో పి-విలువను ఎలా లెక్కించాలి?
ఎక్సెల్ లో కో-రిలేషన్ మరియు రిగ్రెషన్ విశ్లేషణలో పి-విలువ ఉపయోగించబడుతుంది, ఇది పొందిన ఫలితం సాధ్యమేనా కాదా అని గుర్తించడానికి మాకు సహాయపడుతుంది మరియు ఫలితం నుండి పి-విలువ 0 నుండి 1 వరకు ఉన్న విలువలతో పనిచేయడానికి ఏ డేటా సెట్ చేయబడింది, అక్కడ ఉంది ఇచ్చిన డేటా సెట్ యొక్క పి-విలువను తెలుసుకోవడానికి ఎక్సెల్ లో అంతర్నిర్మిత పద్ధతి లేదు, బదులుగా మేము చి ఫంక్షన్ వంటి ఇతర ఫంక్షన్లను ఉపయోగిస్తాము.
ఎక్సెల్ పి-విలువ
పి-విలువ శూన్య పరికల్పనకు మద్దతు ఇవ్వడానికి లేదా తిరస్కరించడానికి పరికల్పన పరీక్షలో శాతం విలువలో వ్యక్తీకరించబడిన సంభావ్యత విలువ తప్ప మరొకటి కాదు. పి విలువ లేదా సంభావ్యత విలువ అనేది గణాంక ప్రపంచంలో ఒక ప్రసిద్ధ భావన. Value త్సాహిక విశ్లేషకులందరూ పి విలువ మరియు డేటా సైన్స్లో దాని ప్రయోజనం గురించి తెలుసుకోవాలి. డేటా పాయింట్ల యొక్క ఫ్రీక్వెన్సీ hyp హాత్మక పౌన frequency పున్యం అని పిలువబడుతుంది మరియు పరీక్ష పరికల్పన కోసం ప్రాముఖ్యత స్థాయిని గమనించింది.
- పి విలువను దశాంశ బిందువుల ద్వారా సూచిస్తారు, కాని దశాంశ బిందువులకు బదులుగా శాతంలో పి విలువ యొక్క ఫలితాన్ని చెప్పడం ఎల్లప్పుడూ మంచి విషయం. దశాంశ బిందువులను 0.05 చెప్పడం కంటే 5% చెప్పడం ఎల్లప్పుడూ మంచిది.
- పి-విలువను కనుగొనడానికి నిర్వహించిన పరీక్షలో, పి విలువ తక్కువగా ఉంటే, శూన్య పరికల్పన మరియు మీ డేటాకు వ్యతిరేకంగా బలమైన సాక్ష్యం మరింత ముఖ్యమైనది లేదా ముఖ్యమైనది. P విలువ ఎక్కువగా ఉంటే, శూన్య పరికల్పనకు వ్యతిరేకంగా బలహీనమైన ఆధారాలు ఉన్నాయి. కాబట్టి, ఒక పరికల్పన పరీక్షను అమలు చేయడం ద్వారా మరియు P విలువను కనుగొనడం ద్వారా మనం కనుగొనడం యొక్క ప్రాముఖ్యతను అర్థం చేసుకోవచ్చు.
ఎక్సెల్ లో టి-టెస్ట్ లో పి-విలువను ఎలా లెక్కించాలి?
ఎక్సెల్ టి-టెస్ట్‌లో పి విలువను లెక్కించడానికి ఉదాహరణలు క్రింద ఉన్నాయి.
మీరు ఈ పి-వాల్యూ ఎక్సెల్ మూసను ఇక్కడ డౌన్‌లోడ్ చేసుకోవచ్చు - పి-వాల్యూ ఎక్సెల్ మూసపి విలువ ఎక్సెల్ టి-టెస్ట్ ఉదాహరణ # 1
ఎక్సెల్ లో మనం పి-విలువను సులభంగా కనుగొనవచ్చు. ఎక్సెల్ లో టి-టెస్ట్ నడపడం ద్వారా శూన్య పరికల్పన ఒప్పు లేదా తప్పు అని స్టేట్మెంట్ వద్దకు రావచ్చు. భావనను ఆచరణాత్మకంగా అర్థం చేసుకోవడానికి క్రింది ఉదాహరణ చూడండి.
మీరు డైట్ డేటా ద్వారా బరువు తగ్గించే ప్రక్రియతో సరఫరా చేయబడ్డారని అనుకోండి మరియు శూన్య పరికల్పనను పరీక్షించడానికి మీకు అందుబాటులో ఉన్న డేటా క్రింద ఉంది.
దశ 1: మనం చేయవలసిన మొదటి విషయం ఏమిటంటే ఆహారం ముందు మరియు ఆహారం తరువాత వ్యత్యాసాన్ని లెక్కించడం.
అవుట్పుట్ క్రింద ఇవ్వబడింది:
ఫార్ములాను మిగిలిన కణాలకు లాగండి.
దశ 2: ఇప్పుడు డేటా టాబ్‌కు వెళ్లి, డేటా కింద, డేటా విశ్లేషణపై ట్యాబ్ క్లిక్ చేయండి.
దశ 3: ఇప్పుడు క్రిందికి స్క్రోల్ చేసి, T.Test: జత చేసిన రెండు నమూనాలను కనుగొనండి.
దశ 4: ఇప్పుడు డైట్ కాలమ్ ముందు వలె వేరియబుల్ 1 రేంజ్ ఎంచుకోండి.
దశ 5: డైట్ కాలమ్ తర్వాత వేరియబుల్ 2 మోగింది.
దశ 6: ఆల్ఫా విలువ డిఫాల్ట్ 0.05 అనగా 5% అవుతుంది. అదే విలువను నిలుపుకోవటానికి.
గమనిక: 0.05 మరియు 0.01 తరచుగా ప్రాముఖ్యత యొక్క సాధారణ స్థాయిలను ఉపయోగిస్తారు.
దశ 7: ఇప్పుడు అవుట్ పుట్ రేంజ్ ఎంచుకోండి, అంటే మీరు మీ విశ్లేషణ ఫలితాలను ప్రదర్శించాలనుకుంటున్నారు.
దశ 8: OK పై క్లిక్ చేయండి. సెల్ F1 నుండి మాకు విశ్లేషణ ఫలితాలు ఉన్నాయి.
సరే, మాకు ఇక్కడ ఫలితాలు ఉన్నాయి. ఒక తోక పరీక్షతో పి విలువ 0.078043 మరియు రెండు తోక పరీక్షతో పి విలువ 0.156086. రెండు సందర్భాల్లో, పి-విలువ ఆల్ఫా విలువ కంటే ఎక్కువ, అంటే 0.05.
ఈ సందర్భంలో, P విలువ ఆల్ఫా విలువ కంటే ఎక్కువగా ఉంటుంది కాబట్టి శూన్య పరికల్పన నిజం, అనగా శూన్య పరికల్పనకు వ్యతిరేకంగా బలహీనమైన సాక్ష్యం. దీని అర్థం అవి రెండు డేటా పాయింట్ల మధ్య చాలా దగ్గరగా ఉన్న డేటా పాయింట్లు.
పి విలువ ఎక్సెల్ ఉదాహరణ # 2 - టి.టెస్ట్ ఫంక్షన్‌తో పి విలువను కనుగొనండి
ఎక్సెల్ లో మనకు T.TEST అని పిలువబడే అంతర్నిర్మిత ఫంక్షన్ ఉంది, ఇది మాకు P- విలువ ఫలితాన్ని తక్షణమే ఇవ్వగలదు.
స్ప్రెడ్‌షీట్‌లోని ఏదైనా కణాలలో T.TEST ఫంక్షన్‌ను తెరవండి.
ఆహారం కాలమ్ ముందు ఉన్నట్లుగా శ్రేణి 1 ని ఎంచుకోండి.
రెండవ వాదన డైట్ కాలమ్ అనగా అర్రే 2 తర్వాత ఉంటుంది
తోకలు ఒక తోక పంపిణీ.
రకం ఉంటుంది జత.
ఇప్పుడు P- విలువ యొక్క ఫలితాన్ని కలిగి ఉన్న సూత్రాన్ని మూసివేయండి.
కాబట్టి, మనకు P విలువ ఉంది, అంటే 0.078043, ఇది విశ్లేషణ ఫలితం యొక్క మునుపటి పరీక్షకు సమానం.
గుర్తుంచుకోవలసిన విషయాలు
- మీరు వివిధ స్థాయిలలో ప్రాముఖ్యత స్థాయిని (ఆల్ఫా విలువ) మార్చవచ్చు మరియు వివిధ పాయింట్ల వద్ద ఎక్సెల్ లో P విలువలను చేరుకోవచ్చు.
- సాధారణ ఆల్ఫా విలువలు 0.05 మరియు 0.01.
- పి విలువ> 0.10 అయితే డేటా ముఖ్యమైనది కాదు, పి విలువ <= 0.10 అయితే డేటా స్వల్పంగా ముఖ్యమైనది.
- పి-విలువ <= 0.05 అయితే డేటా ముఖ్యమైనది మరియు పి విలువ <0.05 అయితే డేటా చాలా ముఖ్యమైనది.
