Prawidłowa pisownia (wielkie litery, kursywa, dzielenie wyrazów) „wartości p”?

Zdaję sobie sprawę, że jest to pedantyczne i banalne, ale jako badacz w dziedzinie poza statystyką, z ograniczoną formalną edukacją statystyczną, zawsze zastanawiam się, czy poprawnie piszę „wartość p”. Konkretnie:

1. Czy litera „p” ma być pisana wielką literą?
2. Czy „p” powinno być zapisane kursywą? (Lub czcionką matematyczną w TeX?)
3. Czy powinien występować łącznik między „p” a „wartością”?
4. Alternatywnie, czy w ogóle nie ma „właściwego” sposobu zapisywania „wartości p”, a każdy drań zrozumie, co mam na myśli, jeśli po prostu umieszczę „p” obok „wartości” w jakiejś permutacji tych opcji?

Wydaje się, że nie ma „standardów”. Na przykład:

• Przewodnik po stylach przyrody odnosi się do „wartości P”
• Ten przewodnik po stylu APA odnosi się do „ wartości p ”
• Przewodnik po stylu krwi mówi:
  • Zainwestuj i kursywą P , która wprowadza P wartość
  • Kursywa p reprezentująca test korelacji rang Spearmana
• Wikipedia używa „ p- wartość” (z myślnikiem i kursywą „p”)

Moja krótka, nienaukowa ankieta sugeruje, że najczęstszą kombinacją jest mała, pisana kursywą p bez łącznika.

Wydaje się, że jest to problem związany ze stylem, w którym różne czasopisma i wydawcy stosują różne konwencje (lub dopuszczają mieszaną mieszankę stylów w zależności od preferencji autorów). Moja własna preferencja, jeśli chodzi o wartość, to wartość p, dzielona bez kursywy i bez wielkich liter.

ASA House Style wydaje polecić italicizing p z myślnikiem: p -value. Wyszukiwarka Google Scholar pokazuje różne pisowni .

Wartość P z teoretycznego punktu widzenia jest pewną realizacją zmiennej losowej. Istnieje pewien standard (w prawdopodobieństwie) używania wielkich liter dla zmiennych losowych i małych dla realizacji. W nagłówkach tabeli powinniśmy używać P (być może kursywą ), w tekście wraz z jego wartością p = 0,0012 oraz w tekście opisującym na przykład wartość p metodyki.

Pominięcie łącznika może czasem zmienić znaczenie zdań lub przynajmniej stać się niejednoznaczne. Może się to zdarzyć szczególnie w artykułach opisujących testy statystyczne lub wprowadzających algorytmy do oceny wartości p, ale można również opisać metody, które nie mają nic wspólnego ze statystykami i nadal obliczają wartości p na podstawie testów t (ale nie wartości p za pomocą statystyki testy t). W takim kontekście myślniki byłyby naprawdę konieczne, nawet jeśli pisarze zwykle starają się unikać zapisów, które mogłyby łatwo się pomylić.

Przykład (z niewłaściwym wyborem notacji): Chcemy znaleźć zestaw silnych wzorców asocjacji i ocenić prawdopodobieństwo, że wynik wystąpiłby przypadkowo. W pierwszej fazie szukamy najlepszych wzorców z pewnym wynikiem dobroci. Tak więc po fazie wyszukiwania będziemy mieli wyniki Z (ale wyniki Z). Następnie oceniamy najlepsze wzorce za pomocą testu randomizacji. Generujemy t losowych zestawów danych i oceniamy wynik z: najlepszego wzorca w każdym zestawie danych. Tak więc przeprowadzamy testy t (ale nie testy t) i generujemy wynik dla najlepszego wzorca z: th. Okazuje się, że wartości p (ale nie wartości p) wszystkich wartości t score są lepsze niż pierwotny najlepszy wzór z: th. Dlatego możemy oszacować, że prawdopodobieństwo uzyskania tak dobrych wzorców przez przypadek wynosi p / t.