1樓：匿名使用者
如果計算的是z值，還要去查詢對應置信度下的z值，兩者相比較。
如果計算的是p值，則只需要把p值和置信度比較就可以，更方便。
舉例子說明假設檢驗中的p-value是什麼意思
2樓：質量優勢
舉個例子：
教室裡四位同學將裝了若干數量的白球和黑球的箱子放在了課桌上，然後他們叫來了他們的小夥伴小花同學。
他們對小花說：「小花，我們來玩個猜猜猜的遊戲吧，你在這個箱子裡摸5次球，每次摸完都要放回去再摸下一次，然後你猜裡面的白球和黑球是不是一樣多。」，小花就愉快地同意了。
小花按照要求摸了三次球，每一次都是白球，這時她的心裡已經有點懷疑白球和黑球是不是各一半了，她又繼續摸，又摸了兩次，還都是白球，這時她就大聲地說：「箱子裡面的白球和黑球肯定不是一樣多的」。
小夥伴們開啟箱子，發現果然大部分的球都是白球。
小花的判斷為什麼會對呢？來做個簡單的概率計算，如果白球和黑球數量一樣多的話，那麼每次都摸到白球的概率是1/2。
她連摸三次都是白球的概率是：1/2*1/2*1/2=1/8=12.5%，這種事件發生的概率已經很低。
她連摸五次都是白球的概率是：1/2*1/2*1/2*1/2*1/2=1/32=3.125%，這種事件發生的概率已經極低。
這就是假設檢驗的原理：在一定的統計假設的前提下，如果發生了小概率事件，我們就有理由懷疑假設的真實性，從而拒絕接受該假設。
小概率事件不會發生，是假設檢驗的前提。
在這個摸球故事中，假設是白球與黑球數量相同，但是小花摸了5次都是白球，概率是3.125%屬於小概率事件，因此我們拒絕假設，也就是拒絕認為白球與黑球數量相同。
最後一個問題，概率低到多少會被認為是小概率事件呢？
英國的統計學家ronald fisher把1/20作為小概率標準，也就是0.05，從此0.05或者比0.05小就叫做小概率事件。
這個0.05就是p value.
統計學 z值 p值 問題 計算問題 **急等
3樓：
使用excel軟體計算最方便，不需要
查任何統計學**!
1、標準正態分佈表（z值表）的計算：
a.標準正態分佈表臨界值的計算：
normsinv(1-α/2) 【雙側】，例如normsinv(1-0.05/2)=1.959963985
normsinv(1-α) 【單側】，例如normsinv(1-0.05)=1.644853627
你將我的公式複製、貼上至excel的公式編輯欄中就可以直接得到計算結果。記得代入具體的α值，並且在公式前面加英文狀態下的等號，否則得不到計算結果！
b. p值的計算：
如果你已經計算好了z值，可以按以下公式直接計算出p值，也不需要查表：
【雙側】p值=(1-normsdist(z值))*2，例如(1-normsdist(1.96))*2=0.024997895*2=0.05
【單側】p值=1-normsdist(z值)，例如1-normsdist(1.96)=0.024997895=0.025
注意，如果z值為負值，你應該取絕對值後再代入以上公式，或者使用normsdist(z值)代替1-normsdist(z值)。例如normsdist(-1.96)=0.
024997895
zα稱為標準正態分佈的臨界值，t(α,n-1)稱為t分佈（student分佈）的臨界值，這兩個值可以通過查統計學教科書附表而取得，也可以按我回答的「標準正態分佈表臨界值的計算」項下的公式計算。我以你p1-p2的例子來說明。你的例子是要比較2個率是否來自同一個總體（也就是2個率p1、p2是否相等）。
在這裡，原假設h0一般是p1、p2相等，對應的備擇假設h1是p1、p2不等，則有
z=（p1-p2）/sqrt[p1×(1-p1)/n1+p2×(1-p2)/n2]
sqrt代表開平方，n1、n2分別代表2分樣本的樣本量
得到z值後，可以按照我回答的「p值的計算」項下的公式計算p值，當p值＜0.05時（有時是0.01，有時是0.
10，依行業習慣而定）拒絕原假設h0，否則就接受h0，這是各種統計軟體使用的方法。
也可以通過統計學教科書附表查詢z0.05（有時是z0.01，有時是z0.
10，依行業習慣而定）的雙側臨界值，當|z|＞z0.05時拒絕原假設h0，否則就接受h0，這是各種統計教科書使用的方法。
不同場合下z值的計算公式有所不同，你可以尋找統計假設檢驗的知識好好看一看。這種方法一般稱為u檢驗，在總體標準差已知的情況下使用。
在總體標準差未知而樣本標準差已知的情況下，則需要使用t檢驗，其計算過程與u檢驗完全形同。
統計學中的p-value是什麼？
4樓：許華斌
p-value基本翻譯：假定值、假設
機率。用sas、spss等專業統計軟體進行假設檢驗，在假設檢驗中常見到p 值方法( p-value，probability，pr)，這是由於它更容易應用於計算機軟體中。
用sas、spss等專業統計軟體進行假設檢驗，在假設檢驗中常見到p 值方法( p-value，probability，pr)，這是由於它更容易應用於計算機軟體中。
統計學根據顯著性檢驗方法所得到的p 值，一般以p < 0.05 為顯著， p <0.01 為非常顯著，其含義是樣本間的差異由抽樣誤差所致的概率小於0.
05 或0.01。實際上，p 值不能賦予資料任何重要性，只能說明某事件發生的機率。
p < 0.01 時樣本間的差異比p < 0.05 時更大，這種說法是錯誤的。
統計結果中顯示pr > f，也可寫成pr( >f)，p = p或p = p。
p值的意義
1. p值一種概率，一種在原假設為真的前提下出現觀察樣本以及更極端情況的概率。
2. 拒絕原假設的最小顯著性水平。
3. 觀察到的(例項的) 顯著性水平。
4. 表示對原假設的支援程度，是用於確定是否應該拒絕原假設的另一種方法。
注意：p值不是給定樣本結果時原假設為真的概率，而是給定原假設為真時樣本結果出現的概率。
p 值的計算
一般地，用x 表示檢驗的統計量，當h0 為真時，可由樣本資料計算出該統計量的值c ，根據檢驗統計量x 的具體分佈，可求出p 值。
具體地說：左側檢驗的p 值為檢驗統計量x 小於樣本統計值c 的概率，即： p = p右側檢驗的p 值為檢驗統計量x 大於樣本統計值c 的概率：
p = p雙側檢驗的p 值為檢驗統計量x 落在樣本統計值c 為端點的尾部區域內的概率的2 倍： p = 2p (當c 位於分佈曲線的右端時) 或p = 2p (當c 位於分佈曲線的左端時) 。
若x 服從正態分佈和t 分佈，其分佈曲線是關於縱軸對稱的，故其p 值可表示為p = p 。
計算出p 值後，將給定的顯著性水平α與p 值比較，就可作出檢驗的結論:如果α > p 值，則在顯著性水平α下拒絕原假設。如果α ≤ p 值，則在顯著性水平α下接受原假設。
在實踐中，當α = p 值時，也即統計量的值c 剛好等於臨界值，為慎重起見，可增加樣本容量，重新進行抽樣檢驗。
spss當中如何在已知z值的條件下求對應的p值？
5樓：匿名使用者
spss有一個函式，cdf.normal(quant，mean，stddev)，實際可以寫成cdf.normal(z,0,1)，z就是你的z值，可以是變數名，0是平均數，1是標準差，就是正態分佈，這樣得到的從最左邊起正態分佈到z值這一點的面積p，如果你只想要z=1.
96，p=0.05（雙側檢驗），則要用(1-cdf.normal(z,0,1))*2
統計中什麼時候用p值 什麼時候用t值呀 不用複製t value和p value的定義給我 謝謝誒~~~~ 5
6樓：mua小婷
p值和t值都是一個判斷的標準，p值看起來很方便，而t值需要查表
一般來說，你用統計軟體算出來的結果已經直接幫你把p值算好了，那你直接把p值和0.05去比較就行了；
如果你是手算，在課堂上做題目的話，p值是算不出的，一般來說能得到t值，這樣你再去查表查對應的臨界值進行比較。
反正得出的結果都是一樣的，你在實際應用裡的話都是用統計軟體出結果的，直接看p值，很方便。
ps:在寫統計學**的時候，如果你得到一個迴歸模型，那要在下方註明每個迴歸引數的t值而不是p值
假設檢驗中的p值的計算方法
7樓：醉意撩人殤
p值的計算：
一般地，用x 表示檢驗的統計量，當h0為真時，可由樣本資料計算出該統計量的值c，根據檢驗統計量x的具體分佈，可求出p值。具體地說：
左側檢驗的p值為檢驗統計量x 小於樣本統計值c 的概率，即：p = p
右側檢驗的p值為檢驗統計量x 大於樣本統計值c 的概率：p = p雙側檢驗的p值為檢驗統計量x 落在樣本統計值c 為端點的尾部區域內的概率的2 倍：p = 2p (當c位於分佈曲線的右端時) 或p = 2p (當c 位於分佈曲線的左端時) 。
若x 服從正態分佈和t分佈，其分佈曲線是關於縱軸對稱的，故其p 值可表示為p = p 。
8樓：左丘初蝶
p值的計算公式：
=2[1-φ(z0)]
當被測假設h1為
p不等於p0時；
=1-φ(z0)
當被測假設h1為
p大於p0時；
=φ(z0)
當被測假設h1為
p小於p0時；
其中，φ(z0)要查表得到。
z0=（x-n*p0）/(根號下（np0(1-p0)）)最後，當p值小於某個顯著引數的時候我們就可以否定假設。反之，則不能否定假設。
注意，這裡p0是那個缺少的假設滿意度，而不是要求的p值。
沒有p0就形不成假設檢驗，也就不存在p值
統計學上規定的p值意義：
p值碰巧的概率
對無效假設
統計意義
p＞0.05
碰巧出現的可能性大於5%
不能否定無效假設
兩組差別無顯著意義
p＜0.05
碰巧出現的可能性小於5%
可以否定無效假設
兩組差別有顯著意義
p＜0.01
碰巧出現的可能性小於1%
可以否定無效假設
兩者差別有非常顯著意義
9樓：手機使用者
(1) p值是：
1) 一種概率，一種在原假設為真的前提下出現觀察樣本以及更極端情況的概率。
2) 拒絕原假設的最小顯著性水平。
3) 觀察到的(例項的)顯著性水平。
4) 表示對原假設的支援程度，是用於確定是否應該拒絕原假設的另一種方法。
(2) p值的計算：
一般地，用x 表示檢驗的統計量，當h0為真時，可由樣本資料計算出該統計量的值c，根據檢驗統計量x的具體分佈，可求出p值。具體地說：
左側檢驗的p值為檢驗統計量x 小於樣本統計值c 的概率，即：p = p
右側檢驗的p值為檢驗統計量x 大於樣本統計值c 的概率：p = p
雙側檢驗的p值為檢驗統計量x 落在樣本統計值c 為端點的尾部區域內的概率的2 倍：p = 2p (當c位於分佈曲線的右端時) 或p = 2p (當c 位於分佈曲線的左端時) 。若x 服從正態分佈和t分佈，其分佈曲線是關於縱軸對稱的，故其p 值可表示為p = p 。
計算出p值後，將給定的顯著性水平α與p 值比較，就可作出檢驗的結論：
如果α > p值，則在顯著性水平α下拒絕原假設。
如果α ≤ p值，則在顯著性水平α下接受原假設。
在實踐中，當α = p值時，也即統計量的值c剛好等於臨界值，為慎重起見，可增加樣本容量，重新進行抽樣檢驗。
整理自：
樊冬梅，假設檢驗中的p值．鄭州經濟管理幹部學院學報，2002；韓志霞，張 玲，p值檢驗和假設檢驗。邊疆經濟與文化，2006中國航天工業醫藥，1999
為什麼在假設檢驗中，p value值小於0 05是反對H0 不是應該相反麼
p值的意bai思是 拒絕原假設du的最小概率 zhi，p 0.05，表明最小拒絕概率dao比置信回水平 置信水 平就是認答 為確定的一個標準 還低，則拒絕原假設。如果你高數學得好的話，你會發現對概率密度函式在 原假設成立時的統計量值 到正無窮大區間上的定積分就是p值，它可以看作密度函式左側 有時是右...
在物理中,什麼情況下用sin,什麼情況下用cos
根據幾何關係和正交分解法則,在物理中,合向量f作為斜邊,f1作為對邊用f1 fsina,f2作為臨邊用f2 fcosa sin cos tan分別在什麼情況下使用 sin cos tan 都屬於三角bai函式。所du以用再在直角zhi三角形的問題中,dao涉及的幾個條件有 角的內鄰容邊 角的對邊 三...
統計學,假設檢驗問題,當005時,為什麼Z
z 是一個數值。復 設x n 0,1 那麼 p x z 制 在正態分佈表中找,對應查出z 要查z0.05的值,即需要查1 0.05 0.95對應的z值,翻開正態分佈表,在 中找到與0.95最接近的值為0.9495和0.9505,對應的z值為1.64和1.65,故z0.05 1.645 統計學,假設檢...