การสะกดคำที่ถูกต้อง (ตัวพิมพ์ใหญ่, ตัวเอียง, ยัติภังค์) ของ“ p-value”?

ฉันรู้ว่าสิ่งนี้เป็นเรื่องอื้อฉาวและน่าเบื่อ แต่ในฐานะนักวิจัยในสาขานอกสถิติด้วยการศึกษาอย่างเป็นทางการในสถิติที่ จำกัด ฉันมักจะสงสัยว่าฉันเขียน "p-value" ถูกต้องหรือไม่ โดยเฉพาะ:

1. "p" ควรจะเป็นตัวพิมพ์ใหญ่หรือไม่
2. "p" ควรจะเป็นตัวเอียงหรือไม่ (หรือในแบบอักษรคณิตศาสตร์ใน TeX?)
3. ควรมีเครื่องหมายขีดคั่นระหว่าง "p" และ "value" หรือไม่?
4. อีกวิธีหนึ่งไม่มีวิธีการเขียน "p-value" ที่เหมาะสม "และ dolt ใด ๆ จะเข้าใจสิ่งที่ฉันหมายถึงถ้าฉันวาง" p "ถัดจาก" value "ในการเปลี่ยนแปลงตัวเลือกเหล่านี้

ดูเหมือนจะไม่เป็น "มาตรฐาน" ตัวอย่างเช่น:

• คู่มือสไตล์ธรรมชาติหมายถึง "ค่า P"
• คู่มือสไตล์ APAนี้อ้างถึง " p value"
• คู่มือสไตล์เลือดบอกว่า:
  • ประโยชน์และเอียงPที่แนะนำPคุ้มค่า
  • ทำเครื่องหมายpที่แทนการทดสอบความสัมพันธ์ของอันดับ Spearman
• Wikipediaใช้ " p -value " (พร้อมเครื่องหมายขีดคั่นและตัวเอียง "p")

สรุปผลการสำรวจตามหลักวิทยาศาสตร์ของฉันแสดงให้เห็นว่าการรวมกันที่พบมากที่สุดคือกรณีที่ต่ำกว่าตัวเอียงหน้าโดยไม่ต้องยัติภังค์

สิ่งนี้ดูเหมือนจะเป็นปัญหาเกี่ยวกับรูปแบบที่มีวารสารและผู้จัดพิมพ์ต่าง ๆ ที่ใช้ระเบียบแบบแผนต่างกัน การตั้งค่าของฉันเองสำหรับสิ่งที่คุ้มค่าคือ p-value, ยัติภังค์โดยไม่มีตัวเอียงและไม่มีตัวพิมพ์ใหญ่

ASA บ้านสไตล์ดูเหมือนว่าจะแนะนำ italicizing พีด้วยยัติภังค์: P -value ค้นหา Google Scholar แสดงให้เห็นถึงการสะกดคำที่แตกต่างกัน

ค่า P จากมุมมองเชิงทฤษฎีคือการก่อให้เกิดตัวแปรสุ่ม มีความเป็นไปได้ที่จะใช้ตัวอักษรตัวพิมพ์ใหญ่สำหรับตัวแปรสุ่มและตัวพิมพ์เล็กสำหรับการรับรู้ ในส่วนหัวของตารางเราควรใช้ P (อาจเป็นตัวเอียง ) ในข้อความพร้อมกับค่าของ p = 0.0012 และในข้อความที่อธิบายถึงตัวอย่างวิธีการ p-value

การไม่ใส่เครื่องหมายยัติภังค์ในบางครั้งสามารถเปลี่ยนความหมายของประโยคหรืออย่างน้อยก็สามารถคลุมเครือ สิ่งนี้สามารถเกิดขึ้นได้โดยเฉพาะในเอกสารที่อธิบายการทดสอบทางสถิติหรือแนะนำอัลกอริธึมในการประเมินค่า p แต่ก็อาจอธิบายวิธีการที่ไม่เกี่ยวข้องกับสถิติและยังคงคำนวณค่า p จากการทดสอบ t (แต่ไม่ใช่ p-values ​​โดยใช้สถิติ เสื้อทดสอบ) ในบริบทเช่นนี้ยัติภังค์จะจำเป็นจริง ๆ แม้ว่าผู้เขียนมักจะพยายามหลีกเลี่ยงสัญลักษณ์ที่อาจสับสนได้ง่าย

ตัวอย่าง (ด้วยตัวเลือกที่ไม่ดีของข้อความ): เราต้องการค้นหาชุดของรูปแบบการเชื่อมโยงที่แข็งแกร่งและประเมินความน่าจะเป็นที่ผลลัพธ์นั้นจะเกิดขึ้นโดยบังเอิญ ในระยะแรกเราค้นหารูปแบบที่ดีที่สุด z ด้วยคะแนน Goodness ดังนั้นหลังจากขั้นตอนการค้นหาเราจะมีคะแนน z (แต่คะแนน z) จากนั้นเราประเมินรูปแบบที่ดีที่สุดด้วยการทดสอบการสุ่ม เราสร้างชุดข้อมูลแบบสุ่มและประเมินคะแนนของรูปแบบที่ดีที่สุดของ z: th ในแต่ละชุดข้อมูล ดังนั้นเราจึงทำการทดสอบ t (แต่ไม่ใช่การทดสอบ t) และให้คะแนนของรูปแบบที่ดีที่สุดของ z: th เราพบว่าค่า p (แต่ไม่ใช่ค่า p) ของค่าคะแนน t ทั้งหมดดีกว่าดังนั้นรูปแบบที่ดีที่สุด z: th เดิม ดังนั้นเราสามารถประมาณได้ว่าความน่าจะเป็นที่จะได้ z จากรูปแบบที่ดีโดยบังเอิญคือ p / t