数据处理分析 p值的含义

《数据处理分析 p值的含义》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、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。　　如何判断是那种原因呢？统计学中用显著性检验赖判断。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。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。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。如果P＞0.05，不能否定“差别由抽样误差

2、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。　　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　　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

3、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。　　⑵P＞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。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。　　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。　　⑷显著性检验只是统计结论。判断差别还要根据专业知识。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k

4、okofu于2010-3-2522:12补充以下内容实际上生物统计原理基于此……呵呵。P值是最常用的一个统计学指标，几乎统计软件输出结果都有P值。了解p值的由来、计算和意义很有必要。!I4U*a'R9r-C0A8e9t-v2B,O$U8q8^:I4w,S$n-}&c7X一、P值的由来R·A·Fisher（1890-1962）作为一代假设检验理论的创立者，在假设检验中首先提出P值的概念。他认为假设检验是一种程序，研究人员依照这一程序可以对某一总体参数形成一种判断。也就是说，他认为假设检验是数据分析的一种形式，是人们在研究中加入的主观信息。（当时这一观点

5、遭到了Neyman-Pearson的反对，他们认为假设检验是一种方法，决策者在不确定的条件下进行运作，利用这一方法可以在两种可能中作出明确的选择，而同时又要控制错误发生的概率。这两种方法进行长期且痛苦的论战。虽然Fisher的这一观点同样也遭到了现代统计学家的反对，但是他对现代假设检验的发展作出了巨大的贡献。）Fisher的具体做法是：3p#A1o0?3V!}'I$k8R0c.}5G1S1U)"w&G!}  *假定某一参数的取值。0M0k1j8C1L  *选择一个检验统计量(例如z统计量或Z统计量)，该统计量的分布在假定的参数取值为真时应该是完全已

6、知的。3w)k(z5M"a*s"T%j  *从研究总体中抽取一个随机样本4计算检验统计量的值5计算概率P值或者说观测的显著水平，即在假设为真时的前提下，检验统计量大于或等于实际观测值的概率。4+{9M0b1G/`9v8b:}3x1f*[)G  F%a&f(^0t;o  *如果P<0.01，说明是较强的判定结果，拒绝假定的参数取值。/[:i#]&d/Z9y*T3z"m%  *如果0.010.05，说明结果更倾向于接受假定的参数取值。0{"J,]%_

7、%i1t$W:^1B4j!t6a  t7N*](~-i7s!{可是，那个年代，由于硬件的问题，计算P值并非易事，人们就采用了统计量检验方法，也就是我们最初学的t值和t临界值比较的方法。统计检验法是在检验之前确定显著性水平，也就是说事先确定了拒绝域。但是，如果选中相同的，所有检验结论的可靠性都一样，无法给出观测数据与原假设之间之间不一致程度的精确度量。只要统计量落在拒绝域，假设的结果都是一样，即结果显著。但实际上，统计量落在拒绝域不同的地方，实际上的显著性有较大的差异。1x1A'H'Z7d4C"H$因此，随着计算机的发展，P值的计算不再是个难题，使得

8、P值变成最常用的统计指标之一。4d6[4K1A/p7A-f,O二、P值的计算为理解P值的计算过程，用表示检验