1樓：_擇一城終老
p值即為拒絕域的面積或概率。
p值的計算公式是
=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；
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。
擴充套件資料：
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。
1、左側檢驗
2、右側檢驗
3、雙側檢驗
p值是指在一個概率模型中，統計摘要（如兩組樣本均值差）與實際觀測資料相同，或甚至更大這一事件發生的概率。換言之，是檢驗假設零假設成立或表現更嚴重的可能性。
p值若與選定顯著性水平（0.05或0.01）相比更小，則零假設會被否定而不可接受。
然而這並不直接表明原假設正確。p值是一個服從正態分佈的隨機變數，在實際使用中因樣本等各種因素存在不確定性。產生的結果可能會帶來爭議。
2樓：匿名使用者
p值即為拒絕域的面積或概率。
p值是最小的可以否定假設的一個值。這裡需要一個原始假設。不然一個數值沒法比較，更遑論最小的否定值了。
從現在開始，注意大小寫的p概念不同的。 假設檢驗，這裡應該是比例檢驗（p檢驗，檢驗滿意度，這是個百分比值）
p值是最小的可以否定假設的一個值。並不是簡單相除就完了。
這個實驗應該是：「某人說，滿意度應該是80%，即p0=0.8。
然後我們做了這個實驗，測試了120個人，100個滿意，20個不滿意」但是這樣我們能說滿意度是100/120=83.3%麼？顯然不能，因為對於整個顧客群來說，抽樣測試的群體太小。
p值的計算公式是
=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（常用0.05，標記為α，給你出題那個人，可能混淆了這兩個概念）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值是用來判定假設檢驗結果的一個引數，也可以根據不同的分佈使用分佈的拒絕域進行比較。由r·a·fisher首先提出。
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。
3樓：匿名使用者
這是誰給你出的題？
他忽略了最重要的一點：p值即為拒絕域的面積或概率。沒有原始假設，怎麼來的拒絕呢？
p值是最小的可以否定假設的一個值。這裡需要一個原始假設。不然一個數值沒法比較，更遑論最小的否定值了。
從現在開始，注意大小寫的p概念不同的。
假設檢驗，這裡應該是比例檢驗（p檢驗，檢驗滿意度，這是個百分比值）
p值是最小的可以否定假設的一個值。並不是簡單相除就完了。
這個實驗應該是：「某人說，滿意度應該是80%，即p0=0.8。
然後我們做了這個實驗，測試了120個人，100個滿意，20個不滿意」但是這樣我們能說滿意度是100/120=83.3%麼？顯然不能，因為對於整個顧客群來說，你抽樣測試的群體太小了。
p值的計算公式是
=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（常用0.05，標記為α，給你出題那個人，可能混淆了這兩個概念）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
4樓：匿名使用者
統計學意義（p值）zt
結果的統計學意義是結果真實程度（能夠代表總體）的一種估計方法。專業上，p值為結果可信程度的一個遞減指標，p值越大，我們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。即假設總體中任意變數間均無關聯，我們重複類似實驗，會發現約20個實驗中有一個實驗，我們所研究的變數關聯將等於或強於我們的實驗結果。
（這並不是說如果變數間存在關聯，我們可得到5%或95%次數的相同結果，當總體中的變數存在關聯，重複研究和發現關聯的可能性與設計的統計學效力有關。）在許多研究領域，0.05的p值通常被認為是可接受錯誤的邊界水平。
在最後結論中判斷什麼樣的顯著性水平具有統計學意義，不可避免地帶有武斷性。換句話說，認為結果無效而被拒絕接受的水平的選擇具有武斷性。實踐中，最後的決定通常依賴於資料集比較和分析過程中結果是先驗性還是僅僅為均數之間的兩兩》比較，依賴於總體資料集裡結論一致的支援性證據的數量，依賴於以往該研究領域的慣例。
通常，許多的科學領域中產生p值的結果≤0.05被認為是統計學意義的邊界線，但是這顯著性水平還包含了相當高的犯錯可能性。結果0.
05≥p>0.01被認為是具有統計學意義，而0.01≥p≥0.
001被認為具有高度統計學意義。但要注意這種分類僅僅是研究基礎上非正規的判斷常規。
所有的檢驗統計都是正態分佈的嗎並不完全如此，但大多數檢驗都直接或間接與之有關，可以從正態分佈中推匯出來，如t檢驗、f檢驗或卡方檢驗。這些檢驗一般都要求：所分析變數在總體中呈正態分佈，即滿足所謂的正態假設。
許多觀察變數的確是呈正態分佈的，這也是正態分佈是現實世界的基本特徵的原因。當人們用在正態分佈基礎上建立的檢驗分析非正態分佈變數的資料時問題就產生了，（參閱非引數和方差分析的正態性檢驗）。這種條件下有兩種方法：
一是用替代的非引數檢驗（即無分佈性檢驗），但這種方法不方便，因為從它所提供的結論形式看，這種方法統計效率低下、不靈活。另一種方法是：當確定樣本量足夠大的情況下，通常還是可以使用基於正態分佈前提下的檢驗。
後一種方法是基於一個相當重要的原則產生的，該原則對正態方程基礎上的總體檢驗有極其重要的作用。即，隨著樣本量的增加，樣本分佈形狀趨於正態，即使所研究的變數分佈並不呈正態。
5樓：匿名使用者
統計學意義（p值）
統計學意義是結果真實程度（能夠代表總體）的一種估計方法。專業上，p值為結果可信程度的一個遞減指標，p值越大，我們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。即假設總體中任意變數間均無關聯，我們重複類似實驗，會發現約20個實驗中有一個實驗，我們所研究的變數關聯將等於或強於我們的實驗結果。
（這並不是說如果變數間存在關聯，我們可得到5%或95%次數的相同結果，當總體中的變數存在關聯，重複研究和發現關聯的可能性與設計的統計學效力有關。）在許多研究領域，0.05的p值通常被認為是可接受錯誤的邊界水平。
根據上面所述，我們可知，p=20/120=0.167>0.05對否?
6樓：匿名使用者
用excel計算好了
很方便的
輸入原始資料然後讓系統自動分析
excel必須是完全安裝
可以在載入巨集裡面找到分析工具庫前面打勾
然後 工具——資料分析
對話方塊的下面就有假設檢驗的分析工具
還是不太清楚你要幹什麼，假設檢驗麼？
7樓：士大夫往往
p值在統計學中意義
p=20/120=0.167>0.05 給分啊~~~專業上，p值為結果可信程度的一個遞減指標，p值越大，我們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。
即假設總體中任意變數間均無關聯，我們重複類似實驗，會發現約20個實驗中有一個實驗，我們所研究的變數關聯將等於或強於我們的實驗結果。（這並不是說如果變數間存在關聯，我們可得到5%或95%次數的相同結果，當總體中的變數存在關聯，重複研究和發現關聯的可能性與設計的統計學效力有關。）在許多研究領域，0.
05的p值通常被認為是可接受錯誤的邊界水平。
如何判定結果具有真實的顯著性：在最後結論中判斷什麼樣的顯著性水平具有統計學意義，不可避免地帶有武斷性。換句話說，認為結果無效而被拒絕接受的水平的選擇具有武斷性。
實踐中，最後的決定通常依賴於資料集比較和分析過程中結果是先驗性還是僅僅為均數之間的兩兩》比較，依賴於總體資料集裡結論一致的支援性證據的數量，依賴於以往該研究領域的慣例。通常，許多的科學領域中產生p值的結果≤0.05被認為是統計學意義的邊界線，但是這顯著性水平還包含了相當高的犯錯可能性。
結果0.05≥p>0.01被認為是具有統計學意義，而0.
01≥p≥0.001被認為具有高度統計學意義。但要注意這種分類僅僅是研究基礎上非正規的判斷常規。
給分給分給分給分給分給分給分給分啊~~！！！！
8樓：鹽開水
我是樓主
我問的問題確實是假設檢驗
我查了一下 p值即為拒絕域的面積或概率
sbw220的計算方法好像不正確啊
統計學的方差分析表中，p值怎麼計算呀？有沒有公式或者什麼
9樓：demon陌
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。
實驗條件，即不同的處理造成的差異，稱為組間差異。用變數在各組的均值與總均值之偏差平方和的總和表示，記作ssb，組間自由度dfb。
統計學中的p值代表什麼統計學中t值p值是什麼意思？怎麼計算？
我儘量用形象的語言說 p值越小 說明犯第一類錯誤的概率越小 你越可以推翻傳統的 保守的觀點 越可以接受新提出的 感興趣的觀點 什麼是第一類錯誤 統計上把保守的 傳統的觀點作為原假設 新穎的 感興趣的 想去論證的觀點作為備擇假設 就好比一個犯罪嫌疑人 在沒有確鑿的證據前都只能以他無罪為原假設 因為一個...
統計學中的P是什麼意思統計學中的P值是什麼意思怎麼計算
p值是指在一個概率模型中，統計摘要 如兩組樣本均值差 與實際觀測資料相同，或甚至更大這一事件發生的概率。換言之，是檢驗假設虛無假設成立或表現更嚴重的可能性。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 需要根據p值的大小和實際問題來解決。擴充套件資料 英國統計...
統計學中ft095那麼如何算出，統計學中 ，F（t） 0 95 那麼如何算出t
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,會利用統計學家所開發的一些統計方法,進行統計檢定.x0d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佈 probability distribution 進行比較,可以知道在多少 的機會下會得到目前的結果.倘...