论文中p<0.05 或者>0.05 表示什么意思?通俗点说下 谢谢?

论文降重 独有的降重技术

免费使用,100%过查重,多种降重模式,1小时轻松搞定论文

论文查重 检测与学校相同

一站式聚合查重平台,含知网、万方、维普等,正品价格便宜

论文中p<0.05 或者>0.05 表示什么意思?通俗点说下 谢谢?

问:论文中p<0.05 或者>0.05 表示什么意思?通俗点说下 谢谢?

  • 答:一、P>0.05 表示无显著性差异;0.01<P<0.05 表示显著性差异,通常以*标记;P<0.01表示极显著性差异,通常以**标记。

    二、P值计算方法:

    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。

    三、扩展资料:关于P值(资料来源:网页链接)

    1. 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。

    2. 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。

  • 答:P>0.05 表示无显著性差异;0.01<P<0.05 表示显著性差异,通常以*标记;P<0.01表示极显著性差异,通常以**标记
    对立假设有显著性差异才可看作成立。
  • 答:P<0.05时,对比组之间的差异具有显著性意义;P<0.01时,对比组之间的差异具有非常显著性意义.
    这是中华医学会的规范化。
  • 答:你应该说的是假设检验的p值法吧
    p值用来确定是否拒绝原假设H0,p<0.05 拒绝H0,否则接受。0.05是显著性水平
  • 答:http://zhidao.baidu.com/question/33688187.html

问:p值是什么意思?

  • 答:p值统计学意义是:

    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。

    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:

    选择一个检验统计量(例如z 统计量或Z 统计量),该统计量的分布在假定的参数取值为真时应该是完全已知的。

    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。

    如果P<0.01,说明是较强的判定结果,拒绝假定的参数取值;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;如果P值>0.05,说明结果更倾向于接受假定的参数取值。

问:显著性水平与P 值有何区别?

  • 答:1、定义不同

    显著性水平:显著性水平是假设检验中的一个概念,是指当原假设为正确时人们却把它拒绝了的概率或风险。它是公认的小概率事件的概率值,必须在每一次统计检验之前确定,通常取α=0.05或α=0.01。这表明,当作出接受原假设的决定时,其正确的可能性(概率)为95%或99%。

    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。

    2、理解不同

    显著性水平:显著性水平是在进行假设检验时事先确定一个可允许的作为判断界限的小概率标准。检验中,依据显著性水平大小把概率划分为二个区间,小于给定标准的概率区间称为拒绝区间,大于这个标准则为接受区间。

    事件属于接受区间,原假设成立而无显著性差异;事件属于拒绝区间,拒绝原假设而认为有显著性差异。

    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。

    3、结论不同

    显著性水平是人为规定的(一般会取0.05,亦有0.01等其他值)。P值是根据实验结果计算得出的。两者并不一样。通过将计算出的P值和显著性水平比较可以确定是否应拒绝原假设,即假设检验。

    记录实验的论文中似乎只给出实验数据算出的P值,显著性水平取0.05还是多少会让读者自行决定,即让读者去判断此次实验数据的P值是否足以得出拒绝原假设的结论。

    参考资料来源:百度百科-P值

    参考资料来源:百度百科-显著性水平

  • 答:显著性水平与P 值的区别:

    1、表示含义不同:

    (1)显著性水平是假设检验中的一个概念,是指当原假设为正确时人们却把它拒绝了的概率或风险。

    (2)P值即概率,反映某一事件发生的可能性大小。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。

    2、取值含义不同:

    (1)显著性水平是公认的小概率事件的概率值,必须在每一次统计检验之前确定,通常取α=0.05或α=0.01。这表明,当作出接受原假设的决定时,其正确的可能性(概率)为95%或99%。

    (2)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。

    扩展资料

    P值的由来:

    从某总体中抽样

    (1)这一样本是由该总体抽出,其差别是由抽样误差所致;

    (2)这一样本不是从该总体抽出,所以有所不同。

    判断是哪种原因的做法:统计学中用显著性检验来判断。其步骤是:

    (1)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。

    (2)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。

    (3)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,则可以不拒绝另一种可能性的假设(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。

    参考资料来源

    百度百科-显著性水平

    百度百科-假设检验中的P值

  • 答:1、如果原假设正确(原假设也称无效假设),而我们却把它当成错误的加以拒绝。犯这种错误的概率用α表示,统计上把α称为假设检验中的显著性水平。

    显著性水平不是一个固定不变的数字,其越大,则原假设被拒绝的可能性愈大,原假设为真而被否定的风险也愈大。

    2、显著性水平代表的意义是在一次试验中小概率事物发生的可能性大小。

    3、

  • 答:显著性水平也属于P值,但是是人为规定的,作为试验中的P值((1-C)/2)的对照依据
    比如 一个实验中得出P值是0.05 那么此结果在0.01显著性水平下就不显著 而在0.1的显著性水平下就显著。。。而0.01还是0.1是人为规定的,视实验而定

问:P值是什么?

  • 答: 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 X<10的概率值(记做,P{X>90 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。

问:统计学中的F值、P值和r分别表示什么意思,怎么求?

  • 答:F值时F检验的统计量值,F=MSR/MSE,其中MSR=SSR/自由度,MSE=SST/自由度,一般大于给定阿尔法相对的F量时说明显著。

    P值是指(F检验或者T或者其余检验量)大于所求值时的概率,一般要小于于给定α就说明检验显著,p=P(|U|>=|u|)=|uα/2|)=α。

    r值是拟合优度指数,用来评价模型的拟合好坏等,取值范围是【-1,1】,越接近正负1越好,R平方=SSR/SST,其中SSR是回归平方和,SST是总离差平方和。

    扩展资料:

    统计学专业能力:

    1,具有扎实的数学基础,受到比较严格的科学思维训练。

    2,掌握统计学的基本理论、基本知识、基本方法和计算机操作技能;具有采集数据、设计调查问卷和处理调查数据的基本能力。

    3,了解与社会经济统计、医药卫生统计、生物统计或工业统计等有关的自然科学、社会科学、工程技术的基本知识,具有应用统计学理论分析、解决该领域实际问题的初步能力。

    4,了解统计学理论与方法的发展动态及其应用前景。

    5,对于理学学士,应能熟练使用各种统计软件包,有较强的统计计算能力;对于经济学学士,应具有扎实的经济学基础,具有利用信息资料进行综合分析和管理的能力。

    6,掌握资料查询、文献检索及运用现代信息技术获取相关信息的基本方法;具有一定的科学研究和实际工作能力。

  • 答:F值表示整个拟合方程的显著性,F越大,表示方程越显著,拟合程度也就越好。

    P值表示不拒绝原假设的程度。简而言之,P<0.5表示假设更可能是正确的,反之则可能是错误的。

    r值是拟合优度指数,用来评价模型的拟合好坏等,取值范围是【-1,1】,越接近正负1越好。R平方=SSR/SST。其中SSR是回归平方和,SST是总离差平方和。

    P值是衡量控制组与实验组差异大小的指标,意思是P值小于.05,表示两组存在显著差异,意思是P值小于.01,表示两组的差异极其显著,可以用SPSS统计,根据自变量应该是果蝇的性别,因变量应该是寿命,自变量是名义变量,因变量是连续变量,所以用单因素方差分析就可以得出结果了。

    另外在统计解释时一般不看F值,只需要看P值就可以了,但是在写论文时还是要将F值写出来,并把P值放在后面用括号括起来。

    扩展资料:

    F检验对于数据的正态性非常敏感,因此在检验方差齐性的时候,Levene检验, Bartlett检验或者Brown–Forsythe检验的稳健性都要优于F检验。

    F检验还可以用于三组或者多组之间的均值比较,但是如果被检验的数据无法满足均是正态分布的条件时,该数据的稳健型会大打折扣,特别是当显著性水平比较低时。但是,如果数据符合正态分布,而且alpha值至少为0.05,该检验的稳健型还是相当可靠的。

    参考资料来源:百度百科-F检验

问:p值是什么意思啊?

  • 答: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。

问:统计表p值如何标记?

  • 答:先坐标画好,然后描点,最后连线标记。
    p值是科研论文中经常被引用的一个统计量,但它有被严重滥用的倾向。
    P值指的是比较的两者的差别是由机遇所致的可能性大小。P值越小,越有理由认为对比事物间存在差异。