1樓:匿名使用者
計算統計量來後需要自自己去查表,查臨界bai值,看統計量與臨du界量的大小
zhi關係。主要在查表這個環節dao比較麻煩。
而是由p-value的話,只要確定乙個置信水平就可以了,比如你定為5%,那麼p-value只要小於它就通過檢驗,不需要查表。
你覺得哪種方便?
看統計量和p-value只要乙個就可以了,相互之間可以互推。
統計中什麼時候用p值 什麼時候用t值呀 不用複製t value和p value的定義給我 謝謝誒~~~~ 5
2樓:mua小婷
p值和t值都是乙個判斷的標準,p值看起來很方便,而t值需要查表
一般來說,你用統計軟體算出來的結果已經直接幫你把p值算好了,那你直接把p值和0.05去比較就行了;
如果你是手算,在課堂上做題目的話,p值是算不出的,一般來說能得到t值,這樣你再去查表查對應的臨界值進行比較。
反正得出的結果都是一樣的,你在實際應用裡的話都是用統計軟體出結果的,直接看p值,很方便。
ps:在寫統計學**的時候,如果你得到乙個回歸模型,那要在下方註明每個回歸引數的t值而不是p值
假設檢驗中的p值的計算方法
3樓:醉意撩人殤
p值的計算:
一般地,用x 表示檢驗的統計量,當h0為真時,可由樣本資料計算出該統計量的值c,根據檢驗統計量x的具體分布,可求出p值。具體地說:
左側檢驗的p值為檢驗統計量x 小於樣本統計值c 的概率,即:p = p
右側檢驗的p值為檢驗統計量x 大於樣本統計值c 的概率:p = p雙側檢驗的p值為檢驗統計量x 落在樣本統計值c 為端點的尾部區域內的概率的2 倍:p = 2p (當c位於分布曲線的右端時) 或p = 2p (當c 位於分布曲線的左端時) 。
若x 服從正態分佈和t分布,其分布曲線是關於縱軸對稱的,故其p 值可表示為p = p 。
4樓:左丘初蝶
p值的計算公式:
=2[1-φ(z0)]
當被測假設h1為
p不等於p0時;
=1-φ(z0)
當被測假設h1為
p大於p0時;
=φ(z0)
當被測假設h1為
p小於p0時;
其中,φ(z0)要查表得到。
z0=(x-n*p0)/(根號下(np0(1-p0)))最後,當p值小於某個顯著引數的時候我們就可以否定假設。反之,則不能否定假設。
注意,這裡p0是那個缺少的假設滿意度,而不是要求的p值。
沒有p0就形不成假設檢驗,也就不存在p值
統計學上規定的p值意義:
p值碰巧的概率
對無效假設
統計意義
p>0.05
碰巧出現的可能性大於5%
不能否定無效假設
兩組差別無顯著意義
p<0.05
碰巧出現的可能性小於5%
可以否定無效假設
兩組差別有顯著意義
p<0.01
碰巧出現的可能性小於1%
可以否定無效假設
兩者差別有非常顯著意義
5樓:手機使用者
(1) p值是:
1) 一種概率,一種在原假設為真的前提下出現觀察樣本以及更極端情況的概率。
2) 拒絕原假設的最小顯著性水平。
3) 觀察到的(例項的)顯著性水平。
4) 表示對原假設的支援程度,是用於確定是否應該拒絕原假設的另一種方法。
(2) p值的計算:
一般地,用x 表示檢驗的統計量,當h0為真時,可由樣本資料計算出該統計量的值c,根據檢驗統計量x的具體分布,可求出p值。具體地說:
左側檢驗的p值為檢驗統計量x 小於樣本統計值c 的概率,即:p = p
右側檢驗的p值為檢驗統計量x 大於樣本統計值c 的概率:p = p
雙側檢驗的p值為檢驗統計量x 落在樣本統計值c 為端點的尾部區域內的概率的2 倍:p = 2p (當c位於分布曲線的右端時) 或p = 2p (當c 位於分布曲線的左端時) 。若x 服從正態分佈和t分布,其分布曲線是關於縱軸對稱的,故其p 值可表示為p = p 。
計算出p值後,將給定的顯著性水平α與p 值比較,就可作出檢驗的結論:
如果α > p值,則在顯著性水平α下拒絕原假設。
如果α ≤ p值,則在顯著性水平α下接受原假設。
在實踐中,當α = p值時,也即統計量的值c剛好等於臨界值,為慎重起見,可增加樣本容量,重新進行抽樣檢驗。
整理自:
樊冬梅,假設檢驗中的p值.鄭州經濟管理幹部學院學報,2002;韓志霞,張 玲,p值檢驗和假設檢驗。邊疆經濟與文化,2006中國航天工業醫藥,1999
統計中t檢驗法中p值該怎樣計算 5
6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)
7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。
8樓:人文漫步者
眾所周知在統計學中想要用這乙個特徵公式來驗證他們的數值,是非常方便可以操作的乙個過程。
9樓:匿名使用者
系統中推梯檢查法中對方是怎麼計算?可以找乙個專業的老師來教你。
10樓:匿名使用者
一般使用專業統計軟體如sas、spss等計算,也可使用excel的資料分析功能中相應的t檢驗計算得到,也非常簡便易學
11樓:依戀
eview也能算 一般都要用到軟體
在物理學中,什麼時候用PIR,什麼時候用P
這取複決於已知條件,如果知道制i,r,t,就用p i r。比如電bai爐du在使用時,電zhi爐絲 dao和導線串聯,i電爐絲 i導線,通電時間t相同,q i2rt,r電爐絲 r導線,電流產生的熱量 q電爐絲 q導線,所以出現電爐絲熱得發紅,而導線卻幾乎不發熱的現象.p i方r適用於純電阻電路 p ...
什麼時候用a，什麼時候用an在英語中，什麼時候用a什麼時候用an？
用an 當修飾的名字開頭是母音 特別注意 是發音是母音而不是字母是母音字母啊 時,用an,例如an interesting book 名詞的第乙個發音為子音音標時,用a eg a hand 英語字母u前面的不定冠詞a,an 的確定讓學生頭痛,怎麼掌握呢?很簡單,u發字母表音的單詞前是a,不發字母表音...
化學中寫電子式時什麼時候用小點什麼時候用小叉
為了防止在2個元素之間可以看清楚,比如hcl,為了表明共價鍵和孤對電子的區別,如果只是一堆電子沒有干擾,那都一回事 如果只有一種元素的電子式無所謂用點還是 但是在一般的情況在寫乙個物質的電子式時就要用點和 分別區分兩種不同的元素 以免混淆 共用電子對寫成叉。其他的寫成點 說明電子所屬原子不同 電子式...