P value 如何计算
作者&投稿：满谈 （若有异议请与网页底部的电邮联系）
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。
扩展资料
统计学中回归分析的主要内容为：
1、从一组数据出发，确定某些变量之间的定量关系式，即建立数学模型并估计其中的未知参数。估计参数的常用方法是最小二乘法。
2、对这些关系式的可信程度进行检验。
3、在许多自变量共同影响着一个因变量的关系中，判断哪个（或哪些）自变量的影响是显著的，哪些自变量的影响是不显著的，将影响显著的自变量加入模型中，而剔除影响不显著的变量，通常用逐步回归、向前回归和向后回归等方法。
4、利用所求的关系式对某一生产过程进行预测或控制。回归分析的应用是非常广泛的，统计软件包使各种回归方法计算十分方便。
参考资料来源：百度百科—P值
假设第一组野生型的患病率是p1,第二组是p2
所以你的原假设就是p1=p2
枢轴变量T = (实际比例1-实际比例2)/根号(方差1+方差2) ~ N(0,1) 标准正态分布
实际比例1=36/185
实际比例2=12/65
方差1=实际比例1×（1-实际比例1）/n1=36/185×149/185×1/185=0.0008471
方差2=实际比例2×（1-实际比例2）/n2=12/65×53/65×1/65=0.002316
T=0.1774 查正态分布表得到P值是：2×(1-0.5675)=0.8650 没有差异,完全没有差异
为何×2？因为你的原假设是p1=p2 是双侧检验
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 值方法( P-Value，Probability，Pr)，这是由于它更容易应用于计算机软件中。
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。
5)注意：p值不是给定样本结果时原假设为真的概率，而是给定原假设为真时样本结果出现的概率。
(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 = 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。
假设检验是推断统计中的一项重要内容。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。
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 = 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。
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
注意要点
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
历戴小儿： 1、创建excel,包含两列数据,分别为,列1、列2, 2、列1、列2,分别插入样例数据, 列1 列2 3.55 6.12 4.21 7.88 6.73 9.55 5.37 8.31 6.52 6.25 5.52 8.33 3、在H2单元格,插入函数,选择'其他函数', 4、选择函数类别为'统计',函数名称为'TTEST', 5、第一组数据,选择'D2:D7',第二组数据,选择'E2:E7',尾数都写为2,点击确定按钮, 6、H2单元格内容为,=TTEST(D2:D7,E2:E7,2,2),P值为'0.008676415'
西吉县18733726839： 怎么算两组数据的 Pearson相关系数以及对应的P value - ？
历戴小儿：[答案] 两个变量之间的Pearson相关系数定义为这两个变量的协方差与二者标准差积的商
西吉县18733726839： 如何用stata算p - value - ？
历戴小儿： 不用算,p-value即为结果输出里面的 P>|t|
西吉县18733726839： P - value是什么意思?如何用Minitab计算P - value值 - ？
历戴小儿： p-value是什么意思? 如何用minitab计算p-value值? probability value testp-value是什么意思? probability value的简称,假定值、假设机率,假设检验是推断统计中的一项重要内容,是用于判断原始假设是否正确的重要证据.统计学根据显著性...
西吉县18733726839： 如何用ti84算p value - ？
历戴小儿： Example: Find |-3| Press [MATH] Scroll right to highlight NUM and select 1:abs( Input -3. To make a value negative, use the negate or [(-)] key located below the [3] key.Press [ENTER] and the solution below should be displayed.
西吉县18733726839： 如何计算Logistics回归的p - value - ？
历戴小儿： SPSS的卡方检验并不自动计算出四格表的OR值和95%置信区间,需要你勾选后才会计算出来,步骤如下:Analyze,Descriptive Statistics,Crosstabs,Statistics,勾选Risk.结果如下 Risk Estimate Value 95% Confidence Interval Lower Upper ...
西吉县18733726839： p - value的介绍 - ？
历戴小儿： P-value基本翻译:假定值、假设机率.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 值方法( P-Value,Probability,Pr),这是由于它更容易应用于计算机软件中.
西吉县18733726839： wilcoxon符号秩检验 有节 怎么算p value - ？
历戴小儿： 另外对于那个p-value在null hypothesis为真的情况下,服从均匀分布,有没有比较好 的推导过程?我知道这个结论,用matlab随机抽样算p值的分布也确实是均匀分布,但是 总是没法理解为啥会是均匀分布.
西吉县18733726839： 如何将kegg差异表达的基因名提取出来 - ？
历戴小儿： 今天就先来聊聊如何看差异表达基因数据,火山图,聚类图又怎么看.1差异基因筛选方法那差异基因是如何筛选出来的呢?差异基因的筛选方法有很多,包括倍数法、T检验、F检验及SAM等.下面简单介绍一下GCBI平台上用的倍数法和SAM...
