数据分析中的P值怎么计算、什么意义?

作者&投稿:星杭 (若有异议请与网页底部的电邮联系)
统计学中的“P”值是什么意思?怎么计算?~

P值即概率,反映某一事件发生的可能性大小。
不同的P数值所表达的含义也是不一样的。
统计学根据显著性检验方法所得到的P 值,一般以P < 0.05 为有统计学差异, P<0.01 为有显著统计学差异,P<0.001为有极其显著的统计学差异。
其含义是样本间的差异由抽样误差所致的概率小于0.05 、0.01、0.001。实际上,P值不能赋予数据任何重要性,只能说明某事件发生的几率。统计结果中显示Pr > F,也可写成Pr( >F),P = P{ F0.05 > F}或P = P{ F0.01 > F}。

拓展资料:
计算P值的相关注意事项:
1、P的意义不表示两组差别的大小,P反映两组差别有无统计学意义,并不表示差别大小。因此,与对照组相比,C药取得P<0.05,D药取得P <0.01并不表示D的药效比C强。
2、P>0.05时,差异无显著意义,根据统计学原理可知,不能否认无效假设,但并不认为无效假设肯定成立。在药效统计分析中,更不表示两药等效。哪种将“两组差别无显著意义”与“两组基本等效”相同的做法是缺乏统计学依据的。
3、统计学主要用上述三种P值表示,也可以计算出确切的P值,有人用P <0.001,无此必要。
4、显著性检验只是统计结论。判断差别还要根据专业知识。抽样所得的样本,其统计量会与总体参数有所不同,这可能是由于两种原因。
P值的其他含义:
1、 一种概率,一种在原假设为真的前提下出现观察样本以及更极端情况的概率。
2、拒绝原假设的最小显著性水平。
3、观察到的(实例的)显著性水平。
4、表示对原假设的支持程度,是用于确定是否应该拒绝原假设的另一种方法。
参考链接:百度百科:假设检验中的P值

P值(P value)就是当原假设为真时所得到的样本观察结果或更极端结果出现的概率。如果P值很小,说明原假设情况的发生的概率很小,而如果出现了,根据小概率原理,我们就有理由拒绝原假设,P值越小,我们拒绝原假设的理由越充分。
总之,P值越小,表明结果越显著。但是检验的结果究竟是“显著的”、“中度显著的”还是“高度显著的”需要我们自己根据P值的大小和实际问题来解决。
计算:
为理解P值的计算过程,用Z表示检验的统计量,ZC表示根据样本数据计算得到的检验统计量值。
1、左侧检验
P值是当

时,检验统计量小于或等于根据实际观测样本数据计算得到的检验统计量值的概率,即p值

2、右侧检验

P值是当μ=μ0时,检验统计量大于或等于根据实际观测样本数据计算得到的检验统计量值的概率,即p值

3、双侧检验

P值是当μ=μ0时,检验统计量大于或等于根据实际观测样本数据计算得到的检验统计量值的概率,即p值


扩展资料
美国统计协会公布了P值使用的几大准则:
准则1:P值可以表达的是数据与一个给定模型不匹配的程度
这条准则的意思是说,我们通常会设立一个假设的模型,称为“原假设”,然后在这个模型下观察数据在多大程度上与原假设背道而驰。P值越小,说明数据与模型之间越不匹配。
准则2:P值并不能衡量某条假设为真的概率,或是数据仅由随机因素产生的概率。
这条准则表明,尽管研究者们在很多情况下都希望计算出某假设为真的概率,但P值的作用并不是这个。P值只解释数据与假设之间的关系,它并不解释假设本身。
准则3:科学结论、商业决策或政策制定不应该仅依赖于P值是否超过一个给定的阈值。
这一条给出了对决策制定的建议:成功的决策取决于很多方面,包括实验的设计,测量的质量,外部的信息和证据,假设的合理性等等。仅仅看P值是否小于0.05是非常具有误导性的。
准则4:合理的推断过程需要完整的报告和透明度。
这条准则强调,在给出统计分析的结果时,不能有选择地给出P值和相关分析。举个例子来说,某项研究可能使用了好几种分析的方法。
而研究者只报告P值最小的那项,这就会使得P值无法进行解释。相应地,声明建议研究者应该给出研究过程中检验过的假设的数量,所有使用过的方法和相应的P值等。
准则5:P值或统计显著性并不衡量影响的大小或结果的重要性。
这句话说明,统计的显著性并不代表科学上的重要性。一个经常会看到的现象是,无论某个效应的影响有多小,当样本量足够大或测量精度足够高时,P值通常都会很小。反之,一些重大的影响如果样本量不够多或测量精度不够高,其P值也可能很大。
准则6:P值就其本身而言,并不是一个非常好的对模型或假设所含证据大小的衡量。
简而言之,数据分析不能仅仅计算P值,而应该探索其他更贴近数据的模型。
声明之后还列举出了一些其他的能对P值进行补充的分析方手段,比如置信区间,贝叶斯方法,似然比,FDR(False Discovery Rate)等等。这些方法都依赖于一些其他的假定,但在一些特定的问题中会比P值更为直接地回答诸如“哪个假定更为正确”这样的问题。
声明最后给出了对统计实践者的一些建议:好的科学实践包括方方面面,如好的设计和实施,数值上和图形上对数据进行汇总,对研究中现象的理解,对结果的解释,完整的报告等等——科学的世界里,不存在哪个单一的指标能替代科学的思维方式。
参考资料来源:百度百科-P值

一、P值计算方法

左侧检验P值是当时,检验统计量小于或等于根据实际观测样本数据计算得到的检验统计量值的概率,即p值。

右侧检验P值是当μ=μ0时,检验统计量大于或等于根据实际观测样本数据计算得到的检验统计量值的概率,即p值。

双侧检验P值是当μ=μ0时,检验统计量大于或等于根据实际观测样本数据计算得到的检验统计量值的概率,即p值。

二、P值的意义

P 值即概率,反映某一事件发生的可能性大小。统计学根据显著性检验方法所得到的P 值,一般以P < 0.05 为显著, P <0.01 为非常显著,其含义是样本间的差异由抽样误差所致的概率小于0.05 或0.01。

扩展资料:

数据分析是指用适当的统计分析方法对收集来的大量数据进行分析,提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。这一过程也是质量管理体系的支持过程。在实用中,数据分析可帮助人们作出判断,以便采取适当行动。

数据分析的数学基础在20世纪早期就已确立,但直到计算机的出现才使得实际操作成为可能,并使得数据分析得以推广。数据分析是数学与计算机科学相结合的产物。

在统计学领域,有些人将数据分析划分为描述性统计分析、探索性数据分析以及验证性数据分析;其中,探索性数据分析侧重于在数据之中发现新的特征,而验证性数据分析则侧重于已有假设的证实或证伪。

参考资料:假设检验中的P值_百度百科



P值的计算方法:

1、左侧检验P值是当μ=μ0时,检验统计量小于或等于根据实际观测样本数据计算得到的检验统计量值的概率

2、右侧检验P值是当μ=μ0时,检验统计量大于或等于根据实际观测样本数据计算得到的检验统计量值的概率

3、双侧检验P值是当μ=μ0时,检验统计量大于或等于根据实际观测样本数据计算得到的检验统计量值的概率

P值的意义:

p值是指在一个概率模型中,统计摘要(如两组样本均值差)与实际观测数据相同,或甚至更大这一事件发生的概率。换言之,是检验假设零假设成立或表现更严重的可能性。p值若与选定显著性水平(0.05或0.01)相比更小,则零假设会被否定而不可接受。


扩展资料:

数据分析是指用适当的统计分析方法对收集来的大量数据进行分析,提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。这一过程也是质量管理体系的支持过程。在实用中,数据分析可帮助人们作出判断,以便采取适当行动。

数据分析的数学基础在20世纪早期就已确立,但直到计算机的出现才使得实际操作成为可能,并使得数据分析得以推广。数据分析是数学与计算机科学相结合的产物

在统计学领域,有些人将数据分析划分为描述性统计分析、探索性数据分析以及验证性数据分析;其中,探索性数据分析侧重于在数据之中发现新的特征,而验证性数据分析则侧重于已有假设的证实或证伪。

探索性数据分析是指为了形成值得假设的检验而对数据进行分析的一种方法,是对传统统计学假设检验手段的补充。该方法由美国著名统计学家约翰·图基(John Tukey)命名。

定性数据分析又称为“定性资料分析”、“定性研究”或者“质性研究资料分析”,是指对诸如词语、照片、观察结果之类的非数值型数据(或者说资料)的分析。

Excel作为常用的分析工具,可以实现基本的分析工作,在商业智能领域Cognos、Style Intelligence、Microstrategy、Brio、BO和Oracle以及国内产品如Yonghong Z-Suite BI套件等。

参考资料:假设检验中的P值 百度百科



P 值即概率,反映某一事件发生的可能性大小。统计学根据显著性检验方法所得到的P 值,一般以P < 0.05 为显著, P <0.01 为非常显著,其含义是样本间的差异由抽样误差所致的概率小于0.05 或0.01。实际上,P 值不能赋予数据任何重要性,只能说明某事件发生的机率。 P < 0.01 时样本间的差异比P < 0.05 时更大,这种说法是错误的。统计结果中显示Pr > F,也可写成Pr( >F),P = P{ F0.05 > F}或P = P{ F0.01 > F}。 下面的内容列出了P值计算方法。 (1) P值是: 1) 一种概率,一种在原假设为真的前提下出现观察样本以及更极端情况的概率。 2) 拒绝原假设的最小显著性水平。 3) 观察到的(实例的) 显著性水平。 4) 表示对原假设的支持程度,是用于确定是否应该拒绝原假设的另一种方法。 (2) P 值的计算: 一般地,用X 表示检验的统计量,当H0 为真时,可由样本数据计算出该统计量的值C ,根据检验统计量X 的具体分布,可求出P 值。具体地说: 左侧检验的P 值为检验统计量X 小于样本统计值C 的概率,即 = P{ X < C} 右侧检验的P 值为检验统计量X 大于样本统计值C 的概率 = P{ X > C} 双侧检验的P 值为检验统计量X 落在样本统计值C 为端点的尾部区域内的概率的2 倍: P = 2P{ X > C} (当C位于分布曲线的右端时) 或P = 2P{ X< C} (当C 位于分布曲线的左端时) 。若X 服从正态分布和t分布,其分布曲线是关于纵轴对称的,故其P 值可表示为P = P{| X| > C} 。 计算出P 值后,将给定的显著性水平α与P 值比较,就可作出检验的结论: 如果α > P 值,则在显著性水平α下拒绝原假设。 如果α ≤ P 值,则在显著性水平α下接受原假设。 在实践中,当α = P 值时,也即统计量的值C 刚好等于临界值,为慎重起见,可增加样本容量,重新进行抽样检验。 整理自: 樊冬梅,假设检验中的P值. 郑州经济管理干部学院学报,2002,韩志霞, 张玲,P 值检验和假设检验。边疆经济与文化,2006中国航天工业医药,1999 P值是怎么来的 从某总体中抽 ⑴、这一样本是由该总体抽出,其差别是由抽样误差所致; ⑵、这一样本不是从该总体抽出,所以有所不同。 如何判断是那种原因呢?统计学中用显著性检验赖判断。其步骤是: ⑴、建立检验假设(又称无效假设,符号为H0):如要比较A药和B药的疗效是否相等,则假设两组样本来自同一总体,即A药的总体疗效和B药相等,差别仅由抽样误差引起的碰巧出现的。⑵、选择适当的统计方法计算H0成立的可能性即概率有多大,概率用P值表示。⑶、根据选定的显著性水平(0.05或0.01),决定接受还是拒绝H0。如果P>0.05,不能否定“差别由抽样误差引起”,则接受H0;如果P<0.05或P <0.01,可以认为差别不由抽样误差引起,可以拒绝H0,则可以接受令一种可能性的假设(又称备选假设,符号为H1),即两样本来自不同的总体,所以两药疗效有差别。 统计学上规定的P值意义见下表 P值 碰巧的概率 对无效假设 统计意义 P>0.05 碰巧出现的可能性大于5% 不能否定无效假设 两组差别无显著意义 P<0.05 碰巧出现的可能性小于5% 可以否定无效假设 两组差别有显著意义 P <0.01 碰巧出现的可能性小于1% 可以否定无效假设 两者差别有非常显著意义 理解P值,下述几点必须注意: ⑴P的意义不表示两组差别的大小,P反映两组差别有无统计学意义,并不表示差别大小。因此,与对照组相比,C药取得P<0.05,D药取得P<0.01并不表示D的药效比C强。 ⑵ P>0.05时,差异无显著意义,根据统计学原理可知,不能否认无效假设,但并不认为无效假设肯定成立。在药效统计分析中,更不表示两药等效。哪种将“两组差别无显著意义”与“两组基本等效”相同的做法是缺乏统计学依据的。 ⑶统计学主要用上述三种P值表示,也可以计算出确切的P值,有人用P <0.001,无此必要。 ⑷显著性检验只是统计结论。判断差别还要根据专业知识。样所得的样本,其统计量会与总体参数有所不同,这可能是由于两种原因 [ts]kokofu 于 2010-3-25 22:12 补充以下内容[/ts] 实际上生物统计原理基于此……呵呵。 查看原帖>>

P值即概率,反映某一事件发生的可能性大小。

P值的计算:

一般地,用X 表示检验的统计量,当H0为真时,可由样本数据计算出该统计量的值C,根据检验统计量X的具体分布,可求出P值。具体地说:

左侧检验的P值为检验统计量X 小于样本统计值C 的概率,即:P = P{ X < C}

右侧检验的P值为检验统计量X 大于样本统计值C 的概率:P = P{ X > C}

双侧检验的P值为检验统计量X 落在样本统计值C 为端点的尾部区域内的概率的2 倍:P = 2P{ X > C} (当C位于分布曲线的右端时) 或P = 2P{ X< C} (当C 位于分布曲线的左端时) 。

若X 服从正态分布和t分布,其分布曲线是关于纵轴对称的,故其P 值可表示为P = P{| X| > C} 。

计算出P值后,将给定的显著性水平α与P 值比较,就可作出检验的结论:

如果α > P值,则在显著性水平α下拒绝原假设。

如果α ≤ P值,则在显著性水平α下接受原假设。

在实践中,当α = P值时,也即统计量的值C刚好等于临界值,为慎重起见,可增加样本容量,重新进行抽样检验。

扩展资料:

用SAS、SPSS等专业统计软件进行假设检验,在假设检验中常见到P值( P-Value,Probability,Pr),P值是进行检验决策的另一个依据。

统计学根据显著性检验方法所得到的P 值,一般以P < 0.05 为有统计学差异, P<0.01 为有显著统计学差异,P<0.001为有极其显著的统计学差异。其含义是样本间的差异由抽样误差所致的概率小于0.05 、0.01、0.001。

实际上,P值不能赋予数据任何重要性,只能说明某事件发生的几率。统计结果中显示Pr > F,也可写成Pr( >F),P = P{ F0.05 > F}或P = P{ F0.01 > F}。

参考资料来源:百度百科——假设检验中的P值



一、P值计算方法

左侧检验P值是当时,检验统计量小于或等于根据实际观测样本数据计算得到的检验统计量值的概率,即p值。

右侧检验P值是当μ=μ0时,检验统计量大于或等于根据实际观测样本数据计算得到的检验统计量值的概率,即p值。

双侧检验P值是当μ=μ0时,检验统计量大于或等于根据实际观测样本数据计算得到的检验统计量值的概率,即p值。

二、P值的意义

P 值即概率,反映某一事件发生的可能性大小。统计学根据显著性检验方法所得到的P 值,一般以P < 0.05 为显著, P <0.01 为非常显著,其含义是样本间的差异由抽样误差所致的概率小于0.05 或0.01。

实际上,P 值不能赋予数据任何重要性,只能说明某事件发生的机率。 P < 0.01 时样本间的差异比P < 0.05 时更大,这种说法是错误的。统计结果中显示Pr > F,也可写成Pr( >F),P = P{ F0.05 > F}或P = P{ F0.01 > F}。

p值是指在一个概率模型中,统计摘要(如两组样本均值差)与实际观测数据相同,或甚至更大这一事件发生的概率。换言之,是检验假设零假设成立或表现更严重的可能性。p值若与选定显著性水平(0.05或0.01)相比更小,则零假设会被否定而不可接受。然而这并不直接表明原假设正确。




统计学的方差分析表中,p值怎么计算呀?有没有公式或者什么
P值的计算公式:=2[1-Φ(z0)] 当被测假设H1为 p不等于p0时;=1-Φ(z0) 当被测假设H1为 p大于p0时;=Φ(z0) 当被测假设H1为 p小于p0时;其中,Φ(z0)要查表得到。z0=(x-n*p0)\/(根号下(np0(1-p0)))最后,当P值小于某个显著参数的时候我们就可以否定假设。反之,则不能否定...

统计学中的P值应该怎么计算
P值的计算公式是 =2[1-Φ(z0)] 当被测假设H1为 p不等于p0时;=1-Φ(z0) 当被测假设H1为 p大于p0时;=Φ(z0) 当被测假设H1为 p小于p0时;总之,P值越小,表明结果越显著。但是检验的结果究竟是“显著的”、“中度显著的”还是“高度显著的”需要根据P值的大小和实际问题来解决。

统计学中的“P”值是什么意思?怎么计算?
统计学根据显著性检验方法所得到的P 值,一般以P < 0.05 为有统计学差异, P<0.01 为有显著统计学差异,P<0.001为有极其显著的统计学差异。其含义是样本间的差异由抽样误差所致的概率小于0.05 、0.01、0.001。实际上,P值不能赋予数据任何重要性,只能说明某事件发生的几率。统计结果中显示...

数据分析中的P值怎么计算、什么意义?
一、P值计算方法 左侧检验P值是当时,检验统计量小于或等于根据实际观测样本数据计算得到的检验统计量值的概率,即p值。右侧检验P值是当μ=μ0时,检验统计量大于或等于根据实际观测样本数据计算得到的检验统计量值的概率,即p值。双侧检验P值是当μ=μ0时,检验统计量大于或等于根据实际观测样本数据计...

如何计算统计学中的P值?(200分)
P值即为拒绝域的面积或概率。P值的计算公式是 =2[1-Φ(z0)] 当被测假设H1为 p不等于p0时;=1-Φ(z0) 当被测假设H1为 p大于p0时;=Φ(z0) 当被测假设H1为 p小于p0时;总之,P值越小,表明结果越显著。但是检验的结果究竟是“显著的”、“中度显著的”还是“高度显著的”需要我们...

p值怎么计算?
绝大多数研究希望P值小于0.05,即说明研究对象之间有影响、有关系或有差异等。但个别地方需要P值大于0.05,如方差齐性检验时需要P值大于0.05(此处P值大于0.05说明方差不相等)。可以利用SPSSAU进行计算,假设计算方差分析中的p值,从而判断模型是否显著。分析不同学历对某产品的满意度是否有显著性...

p值怎么看,统计学p值怎么算?
在实际应用中,通常可以使用统计软件来计算P值。根据所使用的统计方法和假设检验的类型,统计软件会自动计算出相应的P值。P值通常用于假设检验的显著性水平,如果P值小于设定的显著性水平(通常是0.05),则拒绝原假设,否则不拒绝原假设。

请问p值的计算过程是怎样的?
P值是当μ=μ0时,检验统计量大于或等于根据实际观测样本数据计算得到的检验统计量值的概率,即p值 = 2P(Z≥|ZC||μ=μ0)X^2计算如下:统计学的英文statistics最早源于现代拉丁文Statisticum Collegium(国会)、意大利文Statista(国民或政治家)以及德文Statistik,最早是由Gottfried Achenwall于1749年...

统计P值是什么,怎么算?
P值(P value)就是当原假设为真时所得到的样本观察结果或更极端结果出现的概率。如果P值很小,说明原假设情况的发生的概率很小,而如果出现了,根据小概率原理,我们就有理由拒绝原假设,P值越小,我们拒绝原假设的理由越充分。总之,P值越小,表明结果越显著。但是检验的结果究竟是“显著的”、“...

关于统计学,这里的p值是怎么计算出来的呢?谢谢!
这个P值一般都是软件算出的,P《0.05,就是落在了拒接域的范围,等于0.015故拒接原假设。转化为P值来判断。=1-Φ(z0) 当被测假设H1为 p大于p0时;=Φ(z0) 当被测假设H1为 p小于p0时。

古浪县17250625212: 统计P值是什么,怎么算? -
应菁星和: P值(P value)就是当原假设为真时所得到的样本观察结果或更极端结果出现的概率.如果P值很小,说明原假设情况的发生的概率很小,而如果出现了,根据小概率原理,我们就有理由拒绝原假设,P值越小,我们拒绝原假设的理由越充分. ...

古浪县17250625212: 急请问统计学P值的意义,P -
应菁星和:[答案] 统计学意义(p值)ZT 结果的统计学意义是结果真实程度(能够代表总体)的一种估计方法.专业上,p值为结果可信程度的一个递减指标,p值越大,我们越不能认为样本中变量的关联是总体中各变量关联的可靠指标.p值是将观察结果认为有效即具有...

古浪县17250625212: 统计学里的P是如何计算出来的P……差异有或无统计学意义. -
应菁星和:[答案] 统计学意义(p值)ZT 结果的统计学意义是结果真实程度(能够代表总体)的一种估计方法.专业上,p值为结果可信程度的一个递减指标,p值越大,我们越不能认为样本中变量的关联是总体中各变量关联的可靠指标.p值是将观察结...

古浪县17250625212: 统计学p值的计算公式是什么? -
应菁星和: p值,也称显著性值或者Sig.值,用于描述某件事情发生的概率情况,其取值范围是0~1,不包括0和1,通常情况下,一般有三个判断标准一个是0.01、0.05以及0.1.在绝大多数情况下,如果p值小于0.01,则说明至少有99%的把握,如果p值小...

古浪县17250625212: 统计学中的P值应该怎么计?统计学中的P值应该怎么计算
应菁星和: 为理解P值的计算过程,用Z表示检验的统计量,ZC表示根据样本数据计算得到的检验统计量值. [3] 左侧检验 P值是当 时,检验统计量小于或等于根据实际观测样本数据计算得到的检验统计量值的概率,即p值 右侧检验 P值是当μ=μ0时,检验统计量大于或等于根据实际观测样本数据计算得到的检验统计量值的概率,即p值 双侧检验 P值是当μ=μ0时,检验统计量大于或等于根据实际观测样本数据计算得到的检验统计量值的概率,即p值

古浪县17250625212: 统计 p值怎么算的 例题里方差分析表给出的p值 5.6272E - 05 这里的E等于多少呢 这样的P值如何算啊 -
应菁星和:[答案] p值的意义为:给定一个样本,以此样本算出统计量(均值、方差等)的数值,并计算在原假设H0成立时,总体统计量落在以这个样本统计量建立的假设检验的拒绝域的概率,此概率即为p值因为实际需要不同,我们所选择的显著性水...

古浪县17250625212: p值相关计算
应菁星和: 统计学意义(p值)ZT 结果的统计学意义是结果真实程度(能够代表总体)的一种估计方法.专业上,p值为结果可信程度的一个递减指标,p值越大,我们越不能认为样本中变量的关联是总体中各变量关联的可靠指标.p值是将观察结果认为有...

古浪县17250625212: 如何理解统计学假设检验中 p 值-
应菁星和: P值的计算公式:=2[1-Φ(z0)] 当被测假设H1为 p不等于p0时; =1-Φ(z0) 当被测假设H1为 p大于p0时; =Φ(z0) 当被测假设H1为 p小于p0时; 其中,Φ(z0)要查表得到. z0=(x-n*p0)/(根号下(np0(1-p0))) 最后,当P值小于某个显著参数的时候我们就可以否定假设.反之,则不能否定假设. 注意,这里p0是那个缺少的假设满意度,而不是要求的P值. 没有p0就形不成假设检验,也就不存在P值 统计学上规定的P值意义:P值 碰巧的概率 对无效假设 统计意义 P>0.05 碰巧出现的可能性大于5% 不能否定无效假设 两组差别无显著意义 PP

本站内容来自于网友发表,不代表本站立场,仅表示其个人看法,不对其真实性、正确性、有效性作任何的担保
相关事宜请发邮件给我们
© 星空见康网