p值是什么意思呢？
2024-05-13
1. p值是什么意思呢？
P值是用来判定假设检验结果的一个参数，也可以根据不同的分布使用分布的拒绝域进行比较。由R·A·Fisher首先提出。 P值（P value）就是当原假设为真时，比所得到的样本观察结果更极端的结果出现的概率。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。 发展历史： R·A·Fisher（1890-1962）作为一代假设检验理论的创立者，在假设检验中首先提出P值的概念。他认为假设检验是一种程序，研究人员依照这一程序可以对某一总体参数形成一种判断。也就是说，他认为假设检验是数据分析的一种形式，是人们在研究中加入的主观信息。 当时这一观点遭到了Neyman-Pearson的反对，他们认为假设检验是一种方法，决策者在不确定的条件下进行运作，利用这一方法可以在两种可能中作出明确的选择，而同时又要控制错误发生的概率。这两种方法进行长期且痛苦的论战。虽然Fisher的这一观点同样也遭到了现代统计学家的反对，但是他对现代假设检验的发展作出了巨大的贡献。
2. P值是什么意思?
1、P<0.05，碰巧出现的可能性小于5%，可以否定原假设，两组差别有显著意义。 2、P>0.05，碰巧出现的可能性大于5%，不能否定原假设，两组差别无显著意义。 3、P <0.01，碰巧出现的可能性小于1%，可以否定原假设，两者差别有非常显著意义。 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。 扩展资料 从研究总体中抽取一个随机样本计算检验统计量的值计算概率P值或者说观测的显著水平，即在假设为真时的前提下，检验统计量大于或等于实际观测值的概率。 1、如果P<0.01，说明是较强的判定结果，拒绝假定的参数取值。 2、如果0.01<P值<0.05，说明较弱的判定结果，拒绝假定的参数取值。 3、如果P值>0.05，说明结果更倾向于接受假定的参数取值。 参考资料来源：百度百科——P值 参考资料来源：百度百科——假设检验中的P值
3. P值是什么？
p值就是随机事件生成数据的的概率，或者是其他相等或更稀有的事件的概率：
这句话单单放出来很难理解，下面我们将其拆分成三句话，一步步理解：
第一句话： a p-value is the probability that random chance generated the data ，这句话是讲，p值是你所观察到的，能够随机生成这些数据的事件的概率。在下面的这个案例中，就是0.25，如下所示（事件HH、HT、TH、TT的概率分别为0.25、0.25、0.25、0.25）：
该变量的值是连续的，如身高，可以是175.2，174.3，也可以是174.456，它们带有小数点。对于这类数据，我们可以用 密度（density） 来替代它们，如下所示：
我们以 硬币投掷实验 为例进行说明P值含义
在100次硬币投掷实验中，观察到出现90次正面，10次反面（事件Q）。那么这个样本观察结果算极端吗？怎么样的事件才是“极端的”？简单来说，如果一个事件很极端，那么比它本身“更极端”的事件就非常少（比如，“91次正面，9次反面”、“91次反面，9次正面”等情况才比它更极端）
但事件Q只是从一次实验中得出的。我们可以重复做这个实验，比如100次，每次都投掷100次，记录下的正面数X，它构成一个二项分布，X~B(n,p)，其中，n=100，p=0.5。根据某个中心极限定理，正态分布是二项分布的极限分布，上面的二项分布可以由均值为np=50，方差为np(1-p)=25的正态分布来近似。我们在这个近似的正态分布的两端来考察所谓“更极端”的事件，那就是正面数大于90或者小于10
在上述近似的正态分布中，P值就等于X>90 或 X90 or X<10}）。根据对称性，这个概率值等于 2*P{X<10}=1.2442E-15
上面我们的确求出了一个非常小的P值，但如何不含糊地确定事件Q就是很“极端”呢？ 事先确定的显著性水平α，本身就是一个判定法则。只要P值小于显著性水平α，我们就认为， 在认为原假设为真的情况下出现的事件Q，是如此的极端，以至于我们不再相信原假设本身
一句话，我们的判定法则是： P值小于显著性水平α，拒绝原假设
用一个双侧的单样本T检验做例子。假设我们想知道，螃蟹的平均温度，跟空气的温度（24.3）有没有统计差别（α=0.05）。事先确定的假设检验的形式表达如下：
这里T检验的思路如下：
我们先假设H0为真，即认为螃蟹的平均温度跟空气温度没有差异（P）， μ=24.3°C。有一个 极端事件Q ，如果原假设H0成立，Q就不成立（if H0 then probably NOT Q）； 但如果在原假设为真的情况下，出现了这么一个Q，那我们就有把握拒绝原假设
样本均值X¯是总体均值μ的最好的估计，在本例中，X¯=25.03。这个样本均值只是一个估计值。它只是从总体的一个随机样本中得到的（样本是上述25只螃蟹）。我们不知道这次实验结果是不是“极端”事件，而判断一个事件是不是极端事件，根据上面的讨论，我们可以重复做上述实验，比如100次，每次都抓25只螃蟹，都在空气温度24.3的状态下测量其体温，然后也各自求出一个样本均值来。我们容易得知，这种实验出来的样本均值，辅以适当的数学形式，就服从一个自由度为24=25-1的t分布，即 (X¯−μ)/s(X¯)∼t(24) 。样本均值X¯=25.03，在这个自由度为24的t分布下，有一个对应的t值，t=25.03-24.3/0.27=2.704。现在我们可以在整个分布里考察这个t值。在这个自由度为24的t分布里，我们看 t=2.704是不是一个“极端”事件Q。根据对称性，比Q更极端的是那些大于2.704或者小于-2.704的点
以上就是两篇文章的关于P值内容，有兴趣的小伙伴可以去看看原文，帮助大家对P值有一个更深的认知
另外，在搜集数据之前，我们把想证明的结论写成备择假设，把想拒绝的结论写成原假设。之所以写成这个形式，因为从上面不厌其烦的讨论中得知，这是方便逻辑/统计推断的形式：当我们难以拒绝原假设时，只能得到结论，原假设也许是真的，现在还不能拒绝它；而当我们能够拒绝原假设时，结论是：它就很有把握是不真的。
4. P值是什么意思？
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”需要我们自己根据P值的大小和实际问题来解决。 扩展资料： 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 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。p值是一个服从正态分布的随机变量，在实际使用中因样本等各种因素存在不确定性。产生的结果可能会带来争议。 参考资料：百度百科—P值
5. P值是什么意思啊
P值即为拒绝域的面积或概率。 P值是最小的可以否定假设的一个值。这里需要一个原始假设。不然一个数值没法比较，更遑论最小的否定值了。 从现在开始，注意大小写的p概念不同的。 假设检验，这里应该是比例检验（p检验，检验满意度，这是个百分比值） P值是最小的可以否定假设的一个值。并不是简单相除就完了。 这个实验应该是：“某人说，满意度应该是80%，即p0=0.8。然后我们做了这个实验，测试了120个人，100个满意，20个不满意”但是这样我们能说满意度是100/120=83.3%么？显然不能，因为对于整个顾客群来说，抽样测试的群体太小。 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； 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（常用0.05，标记为α，给你出题那个人，可能混淆了这两个概念）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值是用来判定假设检验结果的一个参数，也可以根据不同的分布使用分布的拒绝域进行比较。由R·A·Fisher首先提出。 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。 扩展资料： P值P值计算方法：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。 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 参考资料：百度百科—P值
6. p值是什么意思啊？
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。
P<0.05时，认为差异有统计学意义”或者“显著性水平α=0.05”，指的是如果本研究统计推断得到的差异有统计学意义，那么该结果是“假阳性”的概率小于0.05。
扩展资料：
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下不拒绝原假设。
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。
7. p值是什么
P值是用来判定假设检验结果的一个参数，也可以根据不同的分布使用分布的拒绝域进行比较。由R·A·Fisher首先提出。 P值（Pvalue）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。
8. P值是什么概念？
P值即为拒绝域的面积或概率。 P值是最小的可以否定假设的一个值。这里需要一个原始假设。不然一个数值没法比较，更遑论最小的否定值了。 从现在开始，注意大小写的p概念不同的。 假设检验，这里应该是比例检验（p检验，检验满意度，这是个百分比值） P值是最小的可以否定假设的一个值。并不是简单相除就完了。 这个实验应该是：“某人说，满意度应该是80%，即p0=0.8。然后我们做了这个实验，测试了120个人，100个满意，20个不满意”但是这样我们能说满意度是100/120=83.3%么？显然不能，因为对于整个顾客群来说，抽样测试的群体太小。 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； 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（常用0.05，标记为α，给你出题那个人，可能混淆了这两个概念）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值是用来判定假设检验结果的一个参数，也可以根据不同的分布使用分布的拒绝域进行比较。由R·A·Fisher首先提出。 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。 扩展资料： P值P值计算方法：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。 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 参考资料：百度百科—P值
最新文章
热门文章
推荐阅读