-
p-value
鎖定
P-value基本翻譯:假定值、假設幾率。假設檢驗是推斷統計中的一項重要內容,是用於判斷原始假設是否正確的重要證據。
p-value應用
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 值不能賦予數據任何重要性,只能説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,這種説法是錯誤的。統計結果中顯示Pr > F,也可寫成Pr( >F),P = P{ F0.05 > F}或P = P{ F0.01 > F}。
p-value計算方法
p-valueP值的意義
2. 拒絕原假設的最小顯著性水平。
3. 觀察到的(實例的) 顯著性水平。
4. 表示對原假設的支持程度,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-valueP 值的計算
一般地,用X 表示檢驗的統計量,當H0 為真時,可由樣本數據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。
具體地説: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{ X < C};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{ X > C};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{ X > C} (當C 位於分佈曲線的右端時) 或P = 2P{ X < C} (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{|X| >C} 。