Як і p-крива, аналіз z-кривої доповнюється графіком даних. Основна відмінність полягає в тому, що p-значення перетворюються на z-показники за допомогою формули зворотного нормального розподілу; z = qnorm(1-p/2). Друга відмінність полягає в тому, що на графіку відображаються значущі та незначущі значення p. 25 квітня 2021 р.
Розуміння Z-показників і P-значень має вирішальне значення для аналізу даних у контексті нормального розподілу та для прийняття обґрунтованих рішень під час перевірки гіпотез. Z-показники допомагають стандартизувати дані, а P-значення допомагають нам визначити статистичну значущість наших результатів.
Як z-показники, так і p-значення пов’язані зі стандартним нормальним розподілом як показано нижче. Дуже високі або дуже низькі (негативні) z-показники, пов’язані з дуже малими значеннями p, знаходяться в хвостах нормального розподілу.
Теорія Z-кривої — це геометричний підхід до аналізу геному. Z-крива є тривимірна крива, яка представляє дану послідовність ДНК у тому сенсі, що кожна може бути унікально реконструйована з урахуванням іншої. Таким чином, Z-крива містить всю інформацію, яку несе відповідна послідовність ДНК.
У двох словах, правдиві результати дають праворуч перекошені р-криві, які містять більше низьких (наприклад, .01s), ніж високих (наприклад, .04s) статистично значущих значень p, тоді як нульові результати дають плоскі або ліворуч перекошені p-криві , принаймні стільки ж високих (. 04), скільки низьких (.
Для кожного тесту z-значення — це спосіб кількісної оцінки різниці між середніми сукупностями, а p-значення — це ймовірність отримання z-значення з абсолютним значенням, щонайменше таким самим великим, як те, яке ми фактично спостерігали у вибірці даних, якщо нульова гіпотеза дійсно вірна.