1樓：夜來雨早來晴
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,但沒能確定.\x0df值和t值就是這些統計檢定值,與它們相對應的概率分佈,就是f分佈和t分佈.統計顯著性（sig）就是出現目前樣本這結果的機率.
\x0dp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.\x0do(╯□╰)o
2樓：
在表上查f(t)=0.95時，所對應的t值，這時t=1.96
f(t)是分佈函式，是密度函式從負無窮到t的積分。所以就這個數值比較複雜，查標準正態分佈表z（0.95）
3樓：匿名使用者
其實是正態分佈。f(t)是分佈函式，是密度函式從負無窮到t的積分。所以就這個數值比較複雜，查標準正態分佈表z（0.95）就行。
4樓：
可以算出，但是很困難。
一般直接查正態分佈概率表即可。
統計學的正態分佈表怎麼查？
5樓：吉祥如意
（1）正態分佈來（normal distribution）又名高斯分佈（源gaussian distribution），bai是一個在數學、物理及工程等
du領域都非常重要的概
zhi率分佈，在統dao計學的許多方面有著重大的影響力。若隨機變數x服從一個數學期望為μ、方差為σ^2的高斯分佈，記為n(μ，σ^2)。其概率密度函式為正態分佈的期望值μ決定了其位置，其標準差σ決定了分佈的幅度。
因其曲線呈鐘形，因此人們又經常稱之為鐘形曲線。我們通常所說的標準正態分佈是μ = 0,σ = 1的正態分佈。
（2）在正態分佈圖中落在比1.96和-1.96兩邊更極端的概率，所以是z0.025，不是z0.95
6樓：名字沒問題
不同的正態分佈表，上面顯示的面積不同，但只要你明白圖兩邊是對稱的，基本就可以明白了。
7樓：
在表上查f(t)=0.95時，所對應的t值，這時t=1.96
你不會查 說明你也不理解雙尾檢驗的實質。
8樓：匿名使用者
是在正態分佈圖中落在比1.96和-1.96兩邊更極端的概率，所以是z0.025，不是z0.95
統計學中t，p，f是什麼意思？
9樓：我愛洗碗
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佈(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。
f值和t值就是這些統計檢定值，與它們相對應的概率分佈，就是f分佈和t分佈。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。
o(╯□╰)o
統計分析中，p值和t值各是什麼？
10樓：那林子的小鳥
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），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。
綜合來說，p值更重要一點。
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。
11樓：晴禾雨
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
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。
12樓：
t是t檢驗的值 p是概率，p＜0.05或p＜0、001最好，可以拒絕原假設，表明差異顯著
13樓：匿名使用者
你好， 顯著性檢驗（significance test）就是事先對總體（隨機變數）的引數或總體分佈形式做出一個假設，然後利用樣本資訊來判斷這個假設（備則假設）是否合理，即判斷總體的真實情況與原假設是否有顯著性差異。或者說，顯著性檢驗要判斷樣本與我們對總體所做的假設之間的差異是純屬機會變異，還是由我們所做的假設與總體真實情況之間不一致所引起的。 顯著性檢驗是針對我們對總體所做的假設做檢驗，其原理就是「小概率事件實際不可能性原理」來接受或否定假設。
抽樣實驗會產生抽樣誤差，對實驗資料進行比較分析時，不能僅憑兩個結果（平均數或率）的不同就作出結論，而是要進行統計學分析，鑑別出兩者差異是抽樣誤差引起的，還是由特定的實驗處理引起的。
中文名：顯著性檢驗
外文名：significance test
應用領域：資料統計
常用測驗：t檢驗等
分享含義
顯著性檢驗即用於實驗處理組與對照組或兩種不同處理的效應之間是否有差異，以及這種差異是否顯著的方法。
常把一個要檢驗的假設記作h0,稱為原假設（或零假設） (null hypothesis) ，與h0對立的假設記作h1，稱為備擇假設(alternative hypothesis) 。
⑴ 在原假設為真時，決定放棄原假設，稱為第一類錯誤，其出現的概率通常記作α，就是p值；
⑵ 在原假設不真時，決定不放棄原假設，稱為第二類錯誤，其出現的概率通常記作β，就是t值。
通常只限定犯第一類錯誤的最大概率α， 不考慮犯第二類錯誤的概率β。這樣的假設 檢驗又稱為顯著性檢驗，概率α稱為顯著性水平。
最常用的α值為0.01、0.05、0.10等。一般情況下，根據研究的問題，如果放棄真假設損失大，為減少這類錯誤，α取值小些 ，反之，α取值大些。
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...
統計學中的自由度是什麼意思，怎麼理解統計學中 自由度 這個概念
統計學中的自由度就是自由的程度，怎麼理解統計學中 自由度 這個概念 統計學中的自由度是什麼意思 什麼是自由度 統計學中 在統計模型中，自由度指樣本中可以自由變動的變數的個數，當有約束條件時，自由度減少自由度計算公式 自由度 樣本個數 樣本資料受約束條件的個數，即df n k df自由度，n樣本個數，...