p值的算力

1. 如何計算統計學中的P值（200分）

P值即為拒絕域的面積或概率。

P值的計算公式是

=2[1-Φ(z0)] 當被測假設H1為 p不等於p0時；

=1-Φ(z0) 當被測假設H1為 p大於p0時；

=Φ(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」需要我們自己根據P值的大小和實際問題來解決。

p值是指在一個概率模型中，統計摘要（如兩組樣本均值差）與實際觀測數據相同，或甚至更大這一事件發生的概率。換言之，是檢驗假設零假設成立或表現更嚴重的可能性。

p值若與選定顯著性水平（0.05或0.01）相比更小，則零假設會被否定而不可接受。然而這並不直接表明原假設正確。p值是一個服從正態分布的隨機變數，在實際使用中因樣本等各種因素存在不確定性。產生的結果可能會帶來爭議。

2. 數據分析中的P值怎麼計算、什麼意義

一、P值計算方法

左側檢驗P值是當時，檢驗統計量小於或等於根據實際觀測樣本數據計算得到的檢驗統計量值的概率，即p值。

右側檢驗P值是當μ=μ0時，檢驗統計量大於或等於根據實際觀測樣本數據計算得到的檢驗統計量值的概率，即p值。

雙側檢驗P值是當μ=μ0時，檢驗統計量大於或等於根據實際觀測樣本數據計算得到的檢驗統計量值的概率，即p值。

二、P值的意義

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。

(2)p值的算力擴展閱讀：

數據分析是指用適當的統計分析方法對收集來的大量數據進行分析，提取有用信息和形成結論而對數據加以詳細研究和概括總結的過程。這一過程也是質量管理體系的支持過程。在實用中，數據分析可幫助人們作出判斷，以便採取適當行動。

數據分析的數學基礎在20世紀早期就已確立，但直到計算機的出現才使得實際操作成為可能，並使得數據分析得以推廣。數據分析是數學與計算機科學相結合的產物。

在統計學領域，有些人將數據分析劃分為描述性統計分析、探索性數據分析以及驗證性數據分析;其中，探索性數據分析側重於在數據之中發現新的特徵，而驗證性數據分析則側重於已有假設的證實或證偽。

3. 統計學中的P值應該怎麼計算

P值的計算公式是

=2[1-Φ(z0)] 當被測假設H1為 p不等於p0時；

=1-Φ(z0) 當被測假設H1為 p大於p0時；

=Φ(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。

(3)p值的算力擴展閱讀

統計學中回歸分析的主要內容為：

1、從一組數據出發，確定某些變數之間的定量關系式，即建立數學模型並估計其中的未知參數。估計參數的常用方法是最小二乘法。

2、對這些關系式的可信程度進行檢驗。

3、在許多自變數共同影響著一個因變數的關系中，判斷哪個（或哪些）自變數的影響是顯著的，哪些自變數的影響是不顯著的，將影響顯著的自變數加入模型中，而剔除影響不顯著的變數，通常用逐步回歸、向前回歸和向後回歸等方法。

4、利用所求的關系式對某一生產過程進行預測或控制。回歸分析的應用是非常廣泛的，統計軟體包使各種回歸方法計算十分方便。

4. 假設檢驗中的P值的計算方法

P值的計算：

一般地，用X 表示檢驗的統計量，當H0為真時，可由樣本數據計算出該統計量的值C，根據檢驗統計量X的具體分布，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{ 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位於分布曲線的右端時) 或P = 2P{ X< C} (當C 位於分布曲線的左端時) 。若X 服從正態分布和t分布，其分布曲線是關於縱軸對稱的，故其P 值可表示為P = P{| X| > C} 。

(4)p值的算力擴展閱讀：

假設檢驗的意義：

假設檢驗是抽樣推斷中的一項重要內容。它是根據原資料作出一個總體指標是否等於某一個數值，某一隨機變數是否服從某種概率分布的假設。

然後利用樣本資料採用一定的統計方法計算出有關檢驗的統計量，依據一定的概率原則，以較小的風險來判斷估計數值與總體數值(或者估計分布與實際分布)是否存在顯著差異，是否應當接受原假設選擇的一種檢驗方法。

用樣本指標估計總體指標，其結論有的完全可靠，有的只有不同程度的可靠性，需要進一步加以檢驗和證實。

通過檢驗，對樣本指標與假設的總體指標之間是否存在差別作出判斷，是否接受原假設。這里必須明確，進行檢驗的目的不是懷疑樣本指標本身是否計算正確，而是為了分析樣本指標和總體指標之間是否存在顯著差異。從這個意義上，假設檢驗又稱為顯著性檢驗。

5. 交互作用的P值是怎麼算的呢

問題已解決懸賞丁當:2

通過Andersson的方法，照葫蘆畫瓢運用SPSS及他編寫的Excel表格算出了RERI, AP及S的值及參考區間，請問如何得出相應的P值？忘各位不吝指教！

參考文獻：
Andersson T, Alfredsson L, K�0�1llberg H, et al. Calculating measures of biological interaction[J]. European journal of epidemiology, 2005, 20(7): 575-579.

6. 統計中t檢驗法中P值該怎樣計算

P值其實就是按照抽樣分布計算的一個概率值，這個值是根據檢驗統計量計算出來的。通過直接比較P值與給定的顯著性水平a的大小就可以知道是否拒絕假設，顯然這就代替了比較檢驗統計量的值與臨界值的大小的方法。

而且通過這種方法，我們還可以知道在P值小於a的情況下犯第一類錯誤的實際概率是多少， P= 0.03< a= 0.05，那麼拒絕假設，這一決策可能犯錯誤的概率是0.03。需要指出的是，如果P> a，那麼假設不被拒絕，在這種情況下，第一類錯誤並不會發生。

T檢驗中的P值是接受兩均值存在差異這個假設可能犯錯誤的概率。例如:如果零假設是兩個總體的均值相等(u1= u2)，但是從相應的兩個樣本中所計算出的樣本的均值不相等，有一定的「差異」。

如果根據這個「差異」值計算出p< 0.01，那麼就是說，如果零假設是正確的，即兩個總體的均值相等，那麼在樣本的均值之間產生了像本例中這樣大的差異的概率小於0.01。

也就是說，產生像這兩個樣本均值這樣大的差異的原因是隨機發生的，而不是由於它們所來自的總體本來的均值就不相等，出現這種差異結果的概率是< 0.01。

(6)p值的算力擴展閱讀

P值的作用：

P值可以用來進行假設檢驗的決策，如果P值比顯著性水平a小，檢驗統計量的值就是在拒絕域內。同樣，如果P值大於或等於顯著性水平a，檢驗統計量的值就不再拒絕域內。在上例咖啡問題中， P值為0.0038小於顯著性水平a=0.01，說明應該拒絕原假設。

多個樣本均數間的兩兩比較稱多重比較，如果用兩個樣本均數比較的t檢驗進行多重比較，將會加大犯I類錯誤的概率。

例如有4個樣本，兩兩組合數為(24)= 6，若用t檢驗做6次，且每次比較的檢驗水準選為a=0.05，則每次比較不犯I類錯誤的概率為(1- 0.05)6次均不犯I類錯誤的概率為(1- 0.05)6，這是總的檢驗水準變為1- (1- 0.05)6= 0.26，比0.05大多了。

因此，許多統計學家得出多重比較不適用t檢驗。所謂不能進行t檢驗的關鍵原因是由於檢驗次數增多從而獲得全部檢驗正確的概率就會下降，即犯I類錯誤的概率上升了，而不是t檢驗本身的缺陷。

如果我們做一次新葯臨床試驗的數據分析，在整個分析過程中進行了n次試驗，那麼根據這個推論，我們整個分析全對的概率可能早就所剩無幾了。此時，如果犯I類錯誤的概率不應該由檢驗水平a計算，而是按照每次試驗得到的P值算得，這樣就會得到全部檢驗結果犯錯誤的實際概率了。

7. 統計學的方差分析表中，p值怎麼計算呀有沒有公式或者什麼

P值的計算公式：

=2[1-Φ(z0)] 當被測假設H1為 p不等於p0時；

=1-Φ(z0) 當被測假設H1為 p大於p0時；

=Φ(z0) 當被測假設H1為 p小於p0時；

其中，Φ(z0)要查表得到。

z0=（x-n*p0）/(根號下（np0(1-p0)）)

最後，當P值小於某個顯著參數的時候我們就可以否定假設。反之，則不能否定假設。

實驗條件，即不同的處理造成的差異，稱為組間差異。用變數在各組的均值與總均值之偏差平方和的總和表示，記作SSb，組間自由度dfb。

(7)p值的算力擴展閱讀：

如測量誤差造成的差異或個體間的差異，用變數在各組的均值與該組內變數值之偏差平方和的總和表示， 記作SSw，組內自由度dfw。

總偏差平方和 SSt = SSb + SSw。

組內SSw、組間SSb除以各自的自由度(組內dfw =n-m，組間dfb=m-1，其中n為樣本總數，m為組數)，得到其均方MSw和MSb，一種情況是處理沒有作用，即各組樣本均來自同一總體，MSb/MSw≈1。

另一種情況是處理確實有作用，組間均方是由於誤差與不同處理共同導致的結果，即各樣本來自不同總體。那麼，MSb>>MSw(遠遠大於)。

當控制變數為定序變數時，趨勢檢驗能夠分析隨著控制變數水平的變化，觀測變數值變化的總體趨勢是怎樣的，是呈現線性變化趨勢，還是呈二次、三次等多項式變化。通過趨勢檢驗，能夠幫助人們從另一個角度把握控制變數不同水平對觀測變數總體作用的程度。

8. 怎麼計算論文中的P值

p就是顯著性=sig
F的值是回歸方程的顯著性檢驗，表示的是模型中被解釋變數與所有解釋變數之間的線性關系在總體上是否顯著做出推斷。若F>Fa(k-1,n-k),則拒絕原假設，即認為列入模型的各個解釋變數聯合起來對被解釋變數有顯著影響，反之，則無顯著影響。