1樓：偶梅花象婷
p值即概率,反映某一事件發生的可能性大小.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
f,也可寫成pr(
>f),p
=p或p
=p.下面的內容列出了p值計算方法.(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
的具體分佈,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
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位於分佈曲線的右端時)或p=
2p(當c
位於分佈曲線的左端時)
.若x服從正態分佈和t分佈,其分佈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
p值是怎麼來的
從某總體中抽
⑴、這一樣本是由該總體抽出,其差別是由抽樣誤差所致；
⑵、這一樣本不是從該總體抽出,所以有所不同.如何判斷是那種原因呢?統計學中用顯著性檢驗賴判斷.
其步驟是：⑴、建立檢驗假設（又稱無效假設,符號為h0）：如要比較a藥和b藥的療效是否相等,則假設兩組樣本來自同一總體,即a藥的總體療效和b藥相等,差別僅由抽樣誤差引起的碰巧出現的.
⑵、選擇適當的統計方法計算h0成立的可能性即概率有多大,概率用p值表示.⑶、根據選定的顯著性水平（0.05或0.
01）,決定接受還是拒絕h0.如果p＞0.05,不能否定「差別由抽樣誤差引起」,則接受h0；如果p＜0.
05或p
＜0.01,可以認為差別不由抽樣誤差引起,可以拒絕h0,則可以接受令一種可能性的假設（又稱備選假設,符號為h1）,即兩樣本來自不同的總體,所以兩藥療效有差別.統計學上規定的p值意義見下表
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
理解p值,下述幾點必須注意：⑴p的意義不表示兩組差別的大小,p反映兩組差別有無統計學意義,並不表示差別大小.因此,與對照組相比,c藥取得p＜0.
05,d藥取得p＜0.01並不表示d的藥效比c強.⑵
p＞0.05時,差異無顯著意義,根據統計學原理可知,不能否認無效假設,但並不認為無效假設肯定成立.在藥效統計分析中,更不表示兩藥等效.
哪種將「兩組差別無顯著意義」與「兩組基本等效」相同的做法是缺乏統計學依據的.⑶統計學主要用上述三種p值表示,也可以計算出確切的p值,有人用p
＜0.001,無此必要.⑷顯著性檢驗只是統計結論.判斷差別還要根據專業知識.樣所得的樣本,其統計量會與總體引數有所不同,這可能是由於兩種原因
2樓：匿名使用者
根據題意用構成比的卡方檢驗就可以計算，前提是要給出理論頻數，表裡目前未知。
3樓：匿名使用者
這個p值一般都是軟體算出的，手算很麻煩，p《0.05，就是落在了拒接域的範圍，等於0.015故拒接原假設。本來是要算出統計量，然後查表比較，麻煩故轉化為p值來判斷。
4樓：匿名使用者
統計軟體算的。這是案例討論題判斷對錯麼？
統計學中的有一個 樣本量 這個是如何計算出來的？ 30
5樓：河傳楊穎
公式：抄
（1）重複抽樣方式下：
變數總體重複抽樣計算公式：
屬性總體重複抽樣：
（2）不重複抽樣方式下：
變數總體不重複抽樣計算公式：
屬性總體不重複抽樣：
擴充套件資料在統計中常用極差來刻畫一組資料的離散程度，以及反映的是變數分佈的變異範圍和離散幅度，在總體中任何兩個單位的標準值之差都不能超過極差。同時，它能體現一組資料波動的範圍。極差越大，離散程度越大，反之，離散程度越小。
極差只指明瞭測定值的最大離散範圍，而未能利用全部測量值的資訊，不能細緻地反映測量值彼此相符合的程度，極差是總體標準偏差的有偏估計值，當乘以校正係數之後，可以作為總體標準偏差的無偏估計值。
它的優點是計算簡單，含義直觀，運用方便，故在資料統計處理中仍有著相當廣泛的應用。 但是，它僅僅取決於兩個極端值的水平，不能反映其間的變數分佈情況，同時易受極端值的影響。
6樓：匿名使用者
從總體中抽取的樣本元素的總個數。
樣本量的計算公式為： n=z 2 ×(p ×(1-p))/e 2
其中，z為置信區間、n為樣本容量、d為抽樣誤差範圍、σ為標準差，一般取0.5。
7樓：匿名使用者
更引數估計差不多，不同阿爾法值，有不同的樣本量要求
如何計算統計學中的p值？（200分）
8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。
9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。
10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
11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。
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...
如何計算統計學中的P值？200分
p值即為拒絕域的面積或概率。p值的計算公式是 2 1 z0 當被測假設h1為 p不等於p0時 1 z0 當被測假設h1為 p大於p0時 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...
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...