统计学中P值的理解 | 您所在的位置:网站首页 › 概率统计中的p › 统计学中P值的理解 |
一、p值含义理解 P值的含义:原假设为真时,出现偏离原假设值的观测值以及比观测值更极端的值的概率,说白了P值是个概率值。 通俗理解:在假设原假设(H0)正确时,出现现状或比现状更差的情况的概率。 p值是Fisher先提出来的“显著性检验”理论体系中的概念,假设检验之所以可行,其理论背景是小概率理论,小概率事件在一次试验中几乎是不可能发生的,但是它一旦发生,我们就有理由拒绝原假设;反之,小概率时间没有发生,则认为原假设是合理的。通常步骤如下: 1. 有一个命题,称之为”零假设“(null hypothesis)H0;2. 找到一个统计量Z,可以计算Z的统计分布;3. 一次试验结果可以计算得到一个确切的Z值(Z0),在H0成立的情况下,出现比Z0更极端情况的概率值记作p值;4. 如果p很小,则可以作为”零假设并不成立“的有力证据。 显著性水平是原假设为真时拒绝原假设的概率,也即上述所说的小概率的界限,常取值0.05,001.在显著性水平α下,P值规则为:P≤α,则拒绝H0;如果P>α,则不拒绝原假设。 我们通常把1-α称为置信水平,即对推断结果的把握度、可靠性。 二、举例解释 假设检验一枚硬币是否是公正的,即出现正负面的概率是一样的。 假设:硬币是公平的 检验:扔1000次硬币来测试假设是否正确。 扔1000次硬币用二项分布来计算很麻烦,根据中心极限定理,我们知道,可以用正态分布来近似,比如,我扔了1000次,得到了530次正面,用正态分布来计算就比较简单。![]() ![]() |
CopyRight 2018-2019 实验室设备网 版权所有 |