1樓：名字沒問題
根據中心極
抄限定理，隨襲機抽樣所得樣本中計算出來的統計量（例如樣本均值）標準化後，應該滿足某種已知分佈（例如標準正態分佈）。而且，抽樣越是科學（例如方法得當，樣本容量大等），標準化後的統計量越是會向抽樣分佈的數學期望（總體均值）集中，反映在圖上就是會向圖的對稱軸（如果有的話）集中。相反，抽樣越不科學，標準化後的統計量就會向圖的兩邊移動，移動到什麼地方（或者說這個值的絕對值大到什麼程度）才導致我們拒絕原假設呢？
當這個值右邊（假定是右側單邊檢驗）的橫軸與圖形圍起來的面積（即概率和，就是你所說的p值）小於小概率水平（最常用的就是你這裡說的0.05）時，就可以拒絕原假設，而接受研究人員自己的觀點。
因此，alpha越小，研究就越嚴謹。但此時拒絕原假設，可能犯棄真錯誤（即第一類錯誤）。相反，如果計算出的p值大於alpha，就要接受原假設，此時又可能犯納偽錯誤。
在統計軟體中，p值可以直接看成是「原假設成立的概率」，或者說「納偽的概率」，即，犯型別i錯誤的風險。
2樓：匿名使用者
a風險是指發生型別1錯誤的風險，型別1錯誤是指原假設為真，但被判錯。a風險內
是在進行假設檢驗前設定的
容，0.05就是你期望發生型別1的錯誤不高於5%；
p值是發生型別1錯誤的實際風險，當p＞0.05，說明實際情況下發生型別1的錯誤大於了您的設定，所以不能駁回原假設。
單因素方差分析結果分析，懂的進來
3樓：匿名使用者
假設檢驗是推斷統計中的一項重要內容。在假設檢驗中常見到p 值( p-value，probability，pr)，p 值是進行檢驗決策的另一個依據。
p 值即概率，反映某一事件發生的可能性大小。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。
下面的內容列出了p值計算方法
(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。
p值是怎麼來的
從某總體中抽 ⑴、這一樣本是由該總體抽出，其差別是由抽樣誤差所致； ⑵、這一樣本不是從該總體抽出，所以有所不同。 如何判斷是那種原因呢？統計學中用顯著性檢驗賴判斷。
其步驟是： ⑴、建立檢驗假設（又稱無效假設，符號為h0）：如要比較a藥和b藥的療效是否相等，則假設兩組樣本來自同一總體，即a藥的總體療效和b藥相等，差別僅由抽樣誤差引起的碰巧出現的。
⑵、選擇適當的統計方法計算h0成立的可能性即概率有多大，概率用p值表示。⑶、根據選定的顯著性水平（0.05或0.
01），決定接受還是拒絕h0。如果p＞0.05，不能否定「差別由抽樣誤差引起」，則接受h0；如果p＜0.
05或p ＜0.01，可以認為差別不由抽樣誤差引起，可以拒絕h0，則可以接受令一種可能性的假設（又稱備選假設，符號為h1），即兩樣本來自不同的總體，所以兩藥療效有差別。
統計學上規定的p值意義見下表
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
注意要點
理解p值，下述幾點必須注意： ⑴p的意義不表示兩組差別的大小，p反映兩組差別有無統計學意義，並不表示差別大小。因此，與對照組相比，c藥取得p＜0.
05，d藥取得p ＜0.01並不表示d的藥效比c強。 ⑵ p＞0.
05時，差異無顯著意義，根據統計學原理可知，不能否認無效假設，但並不認為無效假設肯定成立。在藥效統計分析中，更不表示兩藥等效。哪種將「兩組差別無顯著意義」與「兩組基本等效」相同的做法是缺乏統計學依據的。
⑶統計學主要用上述三種p值表示，也可以計算出確切的p值，有人用p ＜0.001，無此必要。 ⑷顯著性檢驗只是統計結論。
判斷差別還要根據專業知識。樣所得的樣本，其統計量會與總體引數有所不同，這可能是由於兩種原因
eviews結果如下怎麼判斷有沒有單位根啊？有兩個p值小於0.05，而有兩個大於0.05，拒絕還是接受原假設？
4樓：匿名使用者
p值過大，則不能拒絕原假設（與你選的顯著水平有關），原假設是序列為單位根過程（非平穩）。
《統計學》中「第一類錯誤」和「第二類錯誤」分別是指什麼？
5樓：森海和你
第一類錯誤：原假設是正確的，卻拒絕了原假設。
第二類錯誤：原假設是錯誤的，卻沒有拒絕原假設。
第一類錯誤即i型錯誤是指拒絕了實際上成立的h0，為「棄真」的錯誤，其概率通常用α表示，這稱為顯著性水平。α可取單側也可取雙側，可以根據需要確定α的大小，一般規定α=0.05或α=0.
01。第二類錯誤即ⅱ型錯誤是指不拒絕實際上不成立的h0，為「存偽」的錯誤，其概率通常用β表示。β只能取單尾，假設檢驗時一般不知道β的值，在一定條件下(如已知兩總體的差值δ、樣本含量n和檢驗水準α)可以測算出來。
我們在做假設檢驗的時候會犯兩種錯誤：第一，原假設是正確的，而你判斷它為錯誤的；第二，原假設是錯誤的，而你判斷它為正確的。我們分別稱這兩種錯誤為第一類錯誤和第二類錯誤。
我們常把假設檢驗比作法庭判案，我們想知道被告是好人還是壞人。原假設是「被告是好人」，備擇假設是「被告是壞人」。法庭判案會犯兩種錯誤：
如果被告真是好人，而你判他有罪，這是第一類錯誤(錯殺好人)；如果被告真是壞人，而你判他無罪，這是第二類錯誤(放走壞人)。
記憶方法：我們可以把第一類錯誤記為「以真為假」，把第二類錯誤記為「以假為真」。當然我們也可以將第一類錯誤記為「錯殺好人」，把第二類錯誤記為「放走壞人」。
在其他條件不變的情況下，如果要求犯第一類錯誤概率越小，那麼犯第二類錯誤的概率就會越大。這個結論比較容易理解，當我們要求「錯殺好人」的概率降低時，那麼往往就會「放走壞人」。
同樣的，在其他條件不變的情況下，如果要求犯第二類錯誤概率越小，那麼犯第一類錯誤的概率就會越大。當我們要求「放走壞人」的概率降低時，那麼往往就會「錯殺好人」。
同樣的，在其他條件不變的情況下，如果要求犯第二類錯誤概率越小，那麼犯第一類錯誤的概率就會越大。當我們要求「放走壞人」的概率降低時，那麼往往就會「錯殺好人」。
6樓：微甜世界
1、第一類錯誤又稱ⅰ型錯誤、拒真錯誤，是指拒絕了實際上成立的、正確的假設，為「棄真」的錯誤，其概率通常用α表示。假設檢驗是反證法的思想，依據樣本統計量作出的統計推斷，其推斷結論並非絕對正確，結論有時也可能有錯誤，錯誤分為兩類。
2、第二類錯誤，ⅱ型錯誤，接受了實際上不成立的h0 ，也就是錯誤地判為無差別，這類取偽的錯誤稱為第二類錯誤，其概率用β表示。簡單說就是：你的假設是錯誤，但你接受該假設。
「第一類錯誤」和「第二類錯誤」之間的關係：
1、當樣本例數固定時，α愈小，β愈大；反之，α愈大，β愈小。因而可通過選定α控制β大小。要同時減小α和β，唯有增加樣本例數。
統計上將1-β稱為檢驗效能或把握度(power of a test)，即兩個總體確有差別存在，而以α為檢驗水準，假設檢驗能發現它們有差別的能力。實際工作中應權衡兩類錯誤中哪一個重要以選擇檢驗水準的大小。
2、做假設檢驗的時候會犯兩種錯誤：第一，原假設是正確的，而你判斷它為錯誤的；第二，原假設是錯誤的，而你判斷它為正確的。我們分別稱這兩種錯誤為第一類錯誤(type i error)和第二類錯誤(type ii error)。
第一類錯誤：原假設是正確的，卻拒絕了原假設。
第二類錯誤：原假設是錯誤的，卻沒有拒絕原假設。
我們常把假設檢驗比作法庭判案，我們想知道被告是好人還是壞人。原假設是「被告是好人」，備擇假設是「被告是壞人」。法庭判案會犯兩種錯誤：
如果被告真是好人，而你判他有罪，這是第一類錯誤(錯殺好人)；如果被告真是壞人，而你判他無罪，這是第二類錯誤(放走壞人)。
記憶方法：我們可以把第一類錯誤記為「以真為假」，把第二類錯誤記為「以假為真」。當然我們也可以將第一類錯誤記為「錯殺好人」，把第二類錯誤記為「放走壞人」。
在其他條件不變的情況下，如果要求犯第一類錯誤概率越小，那麼犯第二類錯誤的概率就會越大。這個結論比較容易理解，當我們要求「錯殺好人」的概率降低時，那麼往往就會「放走壞人」。
同樣的，在其他條件不變的情況下，如果要求犯第二類錯誤概率越小，那麼犯第一類錯誤的概率就會越大。當我們要求「放走壞人」的概率降低時，那麼往往就會「錯殺好人」。同樣的，在其他條件不變的情況下，如果要求犯第二類錯誤概率越小，那麼犯第一類錯誤的概率就會越大。
當我們要求「放走壞人」的概率降低時，那麼往往就會「錯殺好人」。
統計學中的p值怎樣計算統計學中的P值怎樣計算
p值的計算公式是 2 1 z0 當被測假設h1為 p不等於p0時 1 z0 當被測假設h1為 p大於p0時 z0 當被測假設h1為 p小於p0時 總之，p值越小，表明結果越顯著。但是檢驗的結果究竟是 顯著的 中度顯著的 還是 高度顯著的 需要根據p值的大小和實際問題來解決。擴充套件資料 統計學中迴歸...
統計t值和p值的關係,統計學中T值和p值是什麼意思
值即概率，反映某一事件發生的可能性大小。2.統計學根據顯著性檢驗方法所得到的p值，一般以p小於零點零五為有統計學差異，p小於0點01 為有顯著統計學差異，p小於0點001為有極其顯著的統計學差異。3.其含義是樣本間的差異由抽樣誤差所致的概率小於0點 點00點001。4.實際上，p值不能賦予資料任何重...
統計學用ecel計算p值的問題,統計學用excel計算P值的問題
源資料的排列不同,用excel函式chitest計算的結果也不同 圖中分別取綠色和黃色區域的資料 對應的版資料相權同 用chitest函式計算,得到的結果就不一樣。所以你需要確認跟答案計算的區域形狀是否一致。我不是學統計學的,但是前段時間學習jmp的時候瞭解過一點,通過你的步驟,我發現這樣算版你的自...