问：p<0.05是什么意思？
答：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}。
理解P值，下述几点必须注意：
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。那种将“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。
以上内容参考 百度百科—假设检验中的P值
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：
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。
三、扩展资料：关于P值（资料来源：网页链接）
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。
- 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<0.05是什么意思？
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。
而显著性水平是估计总体参数落在某一区间内，可能犯错误的概率，用α表示。
显著性是对差异的程度而言的，程度不同说明引起变动的原因也有不同：一类是条件差异，一类是随机差异。它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。
显著性水平的理解：
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。对显著水平的理解必须把握以下二点：
1、显著性水平不是一个固定不变的数值，依据拒绝区间所可能承担的风险来决定。
2、统计上所讲的显著性与实际生活工作中的显著性是不一样的。
问：在医学统计中,两样本均数比较时,P小于0.05与P小于0.01在意义上有何区别？
答：1、比较不同：
p值大于0.05，说明几组之间总体来说讲，没有统计学差异，可以认为来自同一总体。这样就不需要两两比较了。
只有在p小于0.05时，说明这几个组总体来说是由统计学差异的，不都是来自同一总体，要进行两两比较。
2、可能性不同
拒绝零假设的判断标准或者把握程度，P值在0.05水平的可能性比0.01水平上的可能性大。
3、描述不同
如果P<0.05，说明某件事情的发生至少有95%的把握，统计语言描述为在0.05水平上显著。
如果P<0.01，说明某件事情的发生至少有99%的把握，统计语言描述为在0.001水平上显著。
扩展资料：
样本平均数是统计专业术语，样本平均数是从一个或多个随机变量上的数据集合（样本）计算的统计量。样本平均值是总体平均值的估计量，其中总体是指采集样本的集合，是统计比较常用的一种平均数算法。
样本平均数是一个向量，每个元素是随机变量之一的样本均值，即每个元素是其中一个变量的观察值的算术平均值。如果仅观察到一个变量，则样本平均数是单个数字（该变量的观察值的算术平均值）。
参考资料来源：百度百科-样本平均数
- 答：在统计学上P值小于0.01和0.05表明都有统计学意义。这个要看你样本是如何假设的。
- 答：p值大于0.05，说明几组之间总体来说讲，没有统计学差异，可以认为他们来自同一总体。这样就不需要两两比较了。
只有在p小于0.05时，
说明这几个组总体来说是由统计学差异的，不都是来自同一总体，要进行两两比较。
问：求数据统计中用spss中的p＜0.05和p＜0.01是什么意思，怎么得来的？
如题
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。
P值是通过建立检验假设（又称无效假设H0）得到的，通过选择适当的统计方法计算H0成立的可能性有多大，即概率有多少，用P值来表示。利用小概率原理，根据选定的显著性水平（0.05或0.01），决定接受或拒绝H0。
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 P=0.05提示样本中变量关联有5%的可能是由于偶然性造成的。在许多研究领域，0.05的P值通常被认为是可接受错误的边界水平。
扩展资料：
P值是将观察结果认为有效即具有总体代表性的犯错概率。P<0.05,就是说结果显示的差别是由机遇所致的可能性不足5%，或者说，别人在同样的条件下重复同样的研究，得出相反结论的可能性不足5%。即假设总体中任意变量间均无关联，我们重复类似实验，会发现约20个实验中有一个实验，我们所研究的变量关联将等于或强于我们的实验结果。
参考资料：
百度百科——假设检验中的P值
答：P值：又称显著性值或Sig值，代表描述某事情发生的概率。
如果P值小于0.01即说明某件事情的发生至少有99%的把握，如果P值小于0.05（并且大于0.01）则说明某件事情的发生至少有95%的把握。
常见标准有0.01和0.05。符号标示：0.01使用2个*号表示，0.05使用1个*号表示。建议可以阅读网页版spssau的基础统计概念文档，可以快速了解基础内容。
- 答：0.05是设定的检验水准。
简单来讲，小于0.05就认为可以拒绝原假设。
0.05和0.01的区别是检验水准的不一样，0.01更高一些。
问：统计学意义上的p值代表什么？
- 答：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总体代表性的犯错概率。如p=0.05提示样本中变量关联有5%的可能是由于偶然性造成的。即假设总体中任意变量间均无关联，我们重复类似实验，会发现约20个实验中有一个实验，我们所研究的变量关联将等于或强于我们的实验结果。（这并不是说如果变量间存在关联，我们可得到5%或95%次数的相同结果，当总体中的变量存在关联，重复研究和发现关联的可能性与设计的统计学效力有关。）在许多研究领域，0.05的p值通常被认为是可接受错误的边界水平。
在最后结论中判断什么样的显著性水平具有统计学意义，不可避免地带有武断性。换句话说，认为结果无效而被拒绝接受的水平的选择具有武断性。实践中，最后的决定通常依赖于数据集比较和分析过程中结果是先验性还是仅仅为均数之间的两两>比较，依赖于总体数据集里结论一致的支持性证据的数量，依赖于以往该研究领域的惯例。通常，许多的科学领域中产生p值的结果≤0.05被认为是统计学意义的边界线，但是这显著性水平还包含了相当高的犯错可能性。结果0.05≥p>0.01被认为是具有统计学意义，而0.01≥p≥0.001被认为具有高度统计学意义。但要注意这种分类仅仅是研究基础上非正规的判断常规。
所有的检验统计都是正态分布的吗并不完全如此，但大多数检验都直接或间接与之有关，可以从正态分布中推导出来，如t检验、f检验或卡方检验。这些检验一般都要求：所分析变量在总体中呈正态分布，即满足所谓的正态假设。许多观察变量的确是呈正态分布的，这也是正态分布是现实世界的基本特征的原因。当人们用在正态分布基础上建立的检验分析非正态分布变量的数据时问题就产生了，（参阅非参数和方差分析的正态性检验）。这种条件下有两种方法：一是用替代的非参数检验（即无分布性检验），但这种方法不方便，因为从它所提供的结论形式看，这种方法统计效率低下、不灵活。另一种方法是：当确定样本量足够大的情况下，通常还是可以使用基于正态分布前提下的检验。后一种方法是基于一个相当重要的原则产生的，该原则对正态方程基础上的总体检验有极其重要的作用。即，随着样本量的增加，样本分布形状趋于正态，即使所研究的变量分布并不呈正态。
问：统计学中p大于0.05表示什么意思？
答：p大于0.05表示差异性不显著。
通常情况下，实验结果达到0.05水平或0.01水平，才可以说数据之间具备了差异显著或是极显著。
在作结论时，应确实描述方向性（例如显著大于或显著小于）。sig值通常用P>0.05 表示差异性不显著；0.01<P<0.05 表示差异性显著；P<0.01表示差异性极显著。
显著性水平是估计总体参数落在某一区间内，可能犯错误的概率，用α表示。
显著性是对差异的程度而言的，程度不同说明引起变动的原因也有不同：一类是条件差异，一类是随机差异。它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。
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%。
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。
统计假设检验也称为显著性检验，即指样本统计量和假设的总体参数之间的显著性差异。显著性是对差异的程度而言的，程度不同说明引起变动的原因也有不同：一类是条件差异，一类是随机差异。
显著性差异就是实际样本统计量的取值和假设的总体参数的差异超过了通常的偶然因素的作用范围，说明还有系统性的因素发生作用，因而就可以否定某种条件不起作用的假设。
假设检验时提出的假设称为原假设或无效假设，就是假定样本统计量与总体参数的差异都是由随机因素引起，不存在条件变动因素。
假设检验运用了小概率原理，事先确定的作为判断的界限，即允许的小概率的标准，称为显著性水平。
如果根据命题的原假设所计算出来的概率小于这个标准，就拒绝原假设；大于这个标准则不拒绝原假设。这样显著性水平把概率分布分为两个区间：拒绝区间，不拒绝区间。
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。显著性水平应根据所研究的的性质和我们对结论准确性所持的要求而定。
以上内容参考：百度百科-显著性水平
