1、简介 假设检验是推断统计中的一项重要内容。
(资料图)
2、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( P-Value,Probability,Pr),P 值是进行检验决策的另一个依据。
3、 P 值即概率,反映某一事件发生的可能性大小。
4、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。
5、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。
6、 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。
7、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}。
8、 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。
9、 2) 拒绝原假设的最小显著性水平。
10、 3) 观察到的(实例的) 显著性水平。
11、 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。
12、 (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。
13、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) 。
14、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} 。
15、 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。
16、 如果α ≤ P 值,则在显著性水平α下接受原假设。
17、 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。
18、 整理自: 樊冬梅,假设检验中的P值. 郑州经济管理干部学院学报,2002,韩志霞, 张 玲,P 值检验和假设检验。
19、边疆经济与文化,2006中国航天工业医药,1999 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。
20、 如何判断是那种原因呢?统计学中用显著性检验赖判断。
21、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。
22、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。
23、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。
24、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。
25、 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。
26、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。
27、 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。
28、在药效统计分析中,更不表示两药等效。
29、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。
30、 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。
31、 ⑷显著性检验只是统计结论。
32、判断差别还要根据专业知识。
33、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。
本文分享完毕,希望对大家有所帮助。