1樓:du瓶邪
p值就是拒絕原假設的來最小自alpha值嘛,把你的統計量寫出來,帶進去算出來之後,根據統計量的分布來算p值啊,我舉個例子,你比如說你算出來的統計量的值為z,服從的是正態分佈,如果是雙邊檢驗的話那麼你的pvalue=2*(1-probnorm(abs(z)));
單邊檢驗的話,應該是1-probnorm(z);
具體問題具體分析,不同的檢驗方法求p值方法也不一樣,統計的書上肯定都有;
2樓:匿名使用者
http://****jliae.edu.**/bas/概率統計精bai品du課/教學改革
zhi/數學實驗/第11講%20回歸分dao析.***下個版***慢慢學
權習吧!
統計中t值和p值的區別
3樓:千山鳥飛絕
統計中t值和p值的區別為:
1、t值,指的是t檢驗,主要用於樣本含量較小(例如n<30),總體標準差σ未知的正態分佈資料。t檢驗是用t分布理論來推論差異發生的概率,從而比較兩個平均數的差異是否顯著。
2、p值,就是當原假設為真時,所得到的樣本觀察結果或更極端結果出現的概率。如果p值很小,說明原假設情況的發生的概率很小,而如果出現了,根據小概率原理,我們就有理由拒絕原假設,p值越小,我們拒絕原假設的理由越充分。
p值代表的是不接受原假設的最小的顯著性水平,可以與選定的顯著性水平直接比較。例如取5%的顯著性水平,如果p值大於5%,就接受原假設,否則不接受原假設。這樣不用計算t值,不用查表。
3、p值能直接跟顯著性水平比較;而t值想要跟顯著性水平比較,就得換算成p值,或者將顯著性水平換算成t值。在相同自由度下,查t表所得t統計量值越大,其尾端概率p越小,兩者是此消彼長的關係,但不是直線型負相關。
4樓:墨汁諾
一、t指的是t檢驗,亦稱student t檢驗(student's t test),主要用於樣本含量較小(例如n<30),總體標準差σ未知的正態分佈資料
二、p值(p value)就是當原假設為真時所得到的樣本觀察結果或更極端結果出現的概率。如果p值很小,說明原假設情況的發生的概率很小,而如果出現了,根據小概率原理,我們就有理由拒絕原假設,p值越小,我們拒絕原假設的理由越充分。
總之,p值越小,表明結果越顯著。但是檢驗的結果究竟是「顯著的」、「中度顯著的」還是「高度顯著的」需要我們自己根據p值的大小和實際問題來解決。
在相同自由度下,查t表所得t統計量值越大,其尾端概率p越小,兩者是此消彼長的關係,但不是直線型負相關。
5樓:深藍色的貓貓
t值就是這些統計檢定值,與它們相對應的概率分布,就是t分布。統計顯著性(sig)就是出現目前樣本這結果的機率。
p值代表結果的可信程度,p越大,就越不能認為樣本中變數的關聯是總體中各變數關聯的可靠指標。p值是將觀察結果認為有效即具有總體代表性的犯錯概率。如p=0.
05提示樣本中變數關聯有5%的可能是由於偶然性造成的。
一般而言,為了確定從樣本(sample)統計結果推論至總體時所犯錯的概率,我們會利用統計學家所開發的一些統計方法,進行統計檢定。
通過把所得到的統計檢定值,與統計學家建立了一些隨機變數的概率分布(probability distribution)進行比較,我們可以知道在多少%的機會下會得到目前的結果。倘若經比較後發現,出現這結果的機率很少,亦即是說,是在機會很少、很罕有的情況下才出現;那我們便可以有信心的說,這不是巧合,是具有統計學上的意義的(用統計學的話講,就是能夠拒絕虛無假設null hypothesis,ho)。相反,若比較後發現,出現的機率很高,並不罕見;那我們便不能很有信心的直指這不是巧合,也許是巧合,也許不是,但我們沒能確定。
拓展資料
r·a·fisher(1890-1962)作為一代假設檢驗理論的創立者,在假設檢驗中首先提出p值的概念。他認為假設檢驗是一種程式,研究人員依照這一程式可以對某一總體引數形成一種判斷。也就是說,他認為假設檢驗是資料分析的一種形式,是人們在研究中加入的主觀資訊。
(當時這一觀點遭到了neyman-pearson的反對,他們認為假設檢驗是一種方法,決策者在不確定的條件下進行運作,利用這一方法可以在兩種可能中作出明確的選擇,而同時又要控制錯誤發生的概率。這兩種方法進行長期且痛苦的論戰。雖然fisher的這一觀點同樣也遭到了現代統計學家的反對,但是他對現代假設檢驗的發展作出了巨大的貢獻。
)fisher的具體做法是:
假定某一引數的取值。
選擇乙個檢驗統計量(例如z 統計量或z 統計量) ,該統計量的分布在假定的引數取值為真時應該是完全已知的。
從研究總體中抽取乙個隨機樣本計算檢驗統計量的值計算概率p值或者說觀測的顯著水平,即在假設為真時的前提下,檢驗統計量大於或等於實際觀測值的概率。
如果p<0.01,說明是較強的判定結果,拒絕假定的引數取值。
如果0.01如果p值》0.05,說明結果更傾向於接受假定的引數取值。
可是,那個年代,由於硬體的問題,計算p值並非易事,人們就採用了統計量檢驗方法,也就是我們最初學的t值和t臨界值比較的方法。統計檢驗法是在檢驗之前確定顯著性水平α,也就是說事先確定了拒絕域。但是,如果選中相同的,所有檢驗結論的可靠性都一樣,無法給出觀測資料與原假設之間不一致程度的精確度量。
只要統計量落在拒絕域,假設的結果都是一樣,即結果顯著。但實際上,統計量落在拒絕域不同的地方,實際上的顯著性有較大的差異。
因此,隨著計算機的發展,p值的計算不再是個難題,使得p值變成最常用的統計指標之一。
6樓:匿名使用者
統計中的梯子和桌布是有本質上的區別。
統計學中t值p值是什麼意思?怎麼計算?
7樓:不是苦瓜是什麼
1、t指的是t檢驗,亦稱student t檢驗(student's t test),主要用於樣本含量較小(n<30),總體標準
差σ未知的正態分佈資料。
計算:t的檢驗是雙側檢驗,只要t值的絕對值大於臨界值就是不拒絕原假設。
2、p值(p value)就是當原假設為真時所得到的樣本觀察結果或更極端結果出現的概率。如果p值很小,說明原假設情況的發生的概率很小,而如果出現了,根據小概率原理,我們就有理由拒絕原假設,p值越小,我們拒絕原假設的理由越充分。
計算:概率定義為:p(a)=m/n,其中n表示該試驗中所有可能出現的基本結果的總數目。m表示事件a包含的試驗基本結果數。
統計學是關於認識客觀現象總體數量特徵和數量關係的科學。它是通過蒐集、整理、分析統計資料,認識客觀現象數量規律性的方**科學。由於統計學的定量研究具有客觀、準確和可檢驗的特點,所以統計方法就成為實證研究的最重要的方法,廣泛適用於自然、社會、經濟、科學技術各個領域的分析研究。
8樓:匿名使用者
簡單地說,t值和p值都用來判斷統計上是否顯著的指標, 例如不良貸款y對貸款餘額的估計方程x的回歸估計方程為:y=-0.8+0.
03x,那麼這個方程的係數0.03是否在統計上有意義呢?是否貸款餘額沒增加1個單位,不良貸款就要增加0.
03個單位呢?那麼可以通過計算其t值和p值來判斷,經計算t=7.5,p=0.
000,根據假設檢驗的相關知識,可以判斷這個方程式有意義的。
我認為,要想把它弄清楚,還是需要找本統計學原理的書看看好
9樓:東哥
,t值和p值都用來判斷統計上是否顯著的指標。
p值就是拒絕原假設的最小alpha值嘛,把統計量寫出來,帶進去算出來之後,根據統計量的分布來算p值啊,舉個例子,比如說算出來的統計量的值為z,服從的是正態分佈,如果是雙邊檢驗的話那麼pvalue=2*(1-probnorm(abs(z)));
單邊檢驗的話,應該是1-probnorm(z);
具體問題具體分析,不同的檢驗方法求p值方法也不一樣,統計的書上肯定都有;t值計算方法相似。
10樓:匿名使用者
統計學中t值p值是什麼意思,怎麼計算統計學中的批直系踢值他的統計表去計算。
11樓:甲殼蟲知道多
最通俗的來講,p值代表原假設成立的概率,所以p值越小代表原假設越不成立,所以可以拒絕原假設。一般p值小於等於5%就可以視為原假設大概率不成立了。
12樓:忽悠村——村長
1:t 這是數理統計中的一種統計量 t統計量
2:而統計量指不含未知引數的樣本函式。如樣本x
13樓:匿名使用者
正態分佈中的引數
p=正態分佈函式()
t是其逆函式
如p(0)=0.5
卡西歐計算器上就有這功能
統計中t檢驗法中p值該怎樣計算 5
14樓:angela韓雪倩
統計學中,p值是用來判定假設檢驗結果的乙個引數。
如果p值很小,說明原假設情況的發生的概率很小,且p值越小,表明結果越顯著。
為理解p值的計算過程,用z表示檢驗的統計量,zc表示根據樣本資料計算得到的檢驗統計量值。
左側檢驗 h0:μ≥μ0 vs h1:μ<μ0
p值是當μ=μ0時,檢驗統計量小於或等於根據實際觀測樣本資料計算得到的檢驗統計量值的概率,即p值 = p(zc≤z|μ=μ0)
右側檢驗 h0:μ≤μ0 vs h1:μ>μ0
p值是當μ=μ0時,檢驗統計量大於或等於根據實際觀測樣本資料計算得到的檢驗統計量值的概率,即p值 = p(zc≥z|μ=μ0)
雙側檢驗 h0:μ=μ0 vs h1:μ≠μ0
p值是當μ=μ0時,檢驗統計量大於或等於根據實際觀測樣本資料計算得到的檢驗統計量值的概率,即p值 = 2p(zc≥|z||μ=μ0)
15樓:喵喵喵
p值其實就是按照抽樣分布計算的乙個概率值,這個值是根據檢驗統計量計算出來的。通過直接比較p值與給定的顯著性水平a的大小就可以知道是否拒絕假設,顯然這就代替了比較檢驗統計量的值與臨界值的大小的方法。
而且通過這種方法,我們還可以知道在p值小於a的情況下犯第一類錯誤的實際概率是多少, p= 0.03< a= 0.05,那麼拒絕假設,這一決策可能犯錯誤的概率是0.
03。需要指出的是,如果p> a,那麼假設不被拒絕,在這種情況下,第一類錯誤並不會發生。
t檢驗中的p值是接受兩均值存在差異這個假設可能犯錯誤的概率。例如:如果零假設是兩個總體的均值相等(u1= u2),但是從相應的兩個樣本中所計算出的樣本的均值不相等,有一定的「差異」。
如果根據這個「差異」值計算出p< 0.01,那麼就是說,如果零假設是正確的,即兩個總體的均值相等,那麼在樣本的均值之間產生了像本例中這樣大的差異的概率小於0.01。
也就是說,產生像這兩個樣本均值這樣大的差異的原因是隨機發生的,而不是由於它們所來自的總體本來的均值就不相等,出現這種差異結果的概率是< 0.01。
擴充套件資料
p值的作用:
p值可以用來進行假設檢驗的決策,如果p值比顯著性水平a小,檢驗統計量的值就是在拒絕域內。同樣,如果p值大於或等於顯著性水平a,檢驗統計量的值就不再拒絕域內。在上例咖啡問題中, p值為0.
0038小於顯著性水平a=0.01,說明應該拒絕原假設。
多個樣本均數間的兩兩比較稱多重比較,如果用兩個樣本均數比較的t檢驗進行多重比較,將會加大犯i類錯誤的概率。
例如有4個樣本,兩兩組合數為(24)= 6,若用t檢驗做6次,且每次比較的檢驗水準選為a=0.05,則每次比較不犯i類錯誤的概率為(1- 0.05)6次均不犯i類錯誤的概率為(1- 0.
05)6,這是總的檢驗水準變為1- (1- 0.05)6= 0.26,比0.
05大多了。
因此,許多統計學家得出多重比較不適用t檢驗。所謂不能進行t檢驗的關鍵原因是由於檢驗次數增多從而獲得全部檢驗正確的概率就會下降,即犯i類錯誤的概率上公升了,而不是t檢驗本身的缺陷。
如果我們做一次新藥臨床試驗的資料分析,在整個分析過程中進行了n次試驗,那麼根據這個推論,我們整個分析全對的概率可能早就所剩無幾了。此時,如果犯i類錯誤的概率不應該由檢驗水平a計算,而是按照每次試驗得到的p值算得,這樣就會得到全部檢驗結果犯錯誤的實際概率了。
統計分析中p值和t值各是什麼，統計中t值和p值的區別
p值 p value 就是當原假設為真時所得到的樣本觀察結果或更極端結果出現的概率。如果p值很小，說明原假設情況的發生的概率很小，而如果出現了，根據小概率原理，我們就有理由拒絕原假設，p值越小，我們拒絕原假設的理由越充分。t指的是t檢驗，亦稱student t檢驗 student s t test ...
統計學中f值的意義,統計學中F值的意義
f值是f檢驗的統計量值 f檢驗是一種在零假設 null hypothesis,h0 之下,統計值服從f 分布的檢驗。其通常是用來分析用了超過乙個引數的統計模型,以判斷該模型中的全部或一部分引數是否適合用來估計母體。f值和t值是f檢驗和t檢驗的統計量值,與它們相對應的概率分布,就是f分布和t分布。統計...
P value如何計算，統計學中的P值應該怎麼計算
假設檢驗是推斷統計中的一項重要內容。用sas spss等專業統計軟體進行假設檢驗，在假設檢驗中常見到p 值方法 p value，probability，pr 這是由於它更容易應用於計算機軟體中。統計學根據顯著性檢驗方法所得到的p 值，一般以p 0.05 為顯著，p 0.01 為非常顯著，其含義是樣本...