La valeur de p est calculée à l'aide de la loi d'échantillonnage de la statistique de test sous l'hypothèse nulle, des données de l'échantillon et du type de test effectué (test unilatéral à gauche, test unilatéral à droite ou test bilatéral).
Minitab affiche automatiquement les valeurs de p pour la plupart des tests d'hypothèse. Mais vous pouvez également utiliser Minitab pour calculer les valeur de p "manuellement". Pour calculer manuellement une valeur de p dans Minitab :
Supposons que effectuiez un test Z unilatéral à gauche à un échantillon et que la valeur de la statistique calculée à partir des données soit -1,785 (st = -1,785). Vous souhaitez calculer une valeur de p pour le test Z.
Cette valeur est la probabilité que la statistique de test suppose une valeur inférieure ou égale à la valeur effectivement observée d'après votre échantillon (sous H0). P(ST < −1,785) = 0,0371. La valeur de p est donc ici de 0,0371.
Supposons à présent que vous effectuiez un test Z unilatéral à droite à un échantillon et que la valeur de la statistique calculée à partir des données soit égale à 1,785 (st= 1,785). Vous souhaitez calculer une valeur de p pour le test Z.
Cette valeur est la probabilité que la statistique de test suppose une valeur supérieure ou égale à la valeur effectivement observée d'après votre échantillon (sous H0). P(ST < −1,785) = 0,0371. La valeur de p est donc ici de 0,0371.
Etant donné que la loi normale est symétrique, vous pourriez saisir –1,785 en tant que constante d'entrée (à l'étape 4), vous n'auriez donc plus à soustraire la valeur à 1.
Supposons que vous effectuiez un test Z bilatéral à un échantillon et que la statistique de test obtenue soit égale à 1,785 (st= 1,785). Vous souhaitez calculer une valeur de p pour le test Z.
Cette valeur est égale à 2 fois la probabilité de la valeur que la statistique de test suppose comme supérieure ou égale à la valeur absolue de la valeur effectivement observée d'après votre échantillon (sous H0). 2* P(ST > |1,785|) = 2 * 0,0371 = 0,0742. La valeur de p est donc ici de 0,0742.
Même si les calculs changent en fonction du test ou du type de données, la valeur de p est généralement interprétée de la même manière.