| 查看: 5343 | 回复: 16 | |||||
| 当前主题已经存档。 | |||||
| 当前只显示满足指定条件的回帖，点击这里查看本话题的所有回帖 | |||||
[交流]
【求助】统计学中P值的理解
|
|||||
|
经常看到很多文献中说P>0.05无统计学意义,但也有很多写了P>0.05表示差异不显著,请问哪个说法是对的? [ Last edited by cuplgz on 2008-1-4 at 08:37 ] |
回复此楼» 收录本帖的淘帖专辑推荐
 好贴收藏 | 有助于于我的SNP |
» 猜你喜欢
40+中年人失业后，还能找到好工作吗？
已经有11人回复
-
用NBS溴化时溶剂除了CCl4外还有什么
已经有6人回复
-
申请科研项目纯靠实力能成功吗？
已经有11人回复
-
极限拉扯，如何抉择
已经有15人回复
-
二审4个多月了还是Awaiting Reviewer Scores
已经有4人回复
-
OpenAI又攻克数学难题了，离AI做有机合成还有多远？
已经有13人回复
-
课题组会帮你通过考核么？
已经有7人回复
-
售一区SCI文章T0P，我:8O.551.O54,科目全,可十急
已经有9人回复
-
售SCI一区T0P文章，我:8.O55.1.O.54,科目全,可十急
已经有8人回复
-
售SCI一区文章，我:8O5.5.1.O5.4,科目全,可伽急
已经有10人回复
|
楼上朋友的参考书是应用为主的，可能一些概念不是说的很清楚，首先这个alpha指的是第一类错误，就是原假设为真的时候，却拒绝了它的概率。有的朋友说了，我们能否取alpha等于0呢，这样不就不会犯了吗，那这样的话，你就可能犯第二类错误beta，什么意思？那就是原假设错误的时候，由于alpha为0，所以无法拒绝错误时候的原假设情况，也就是对立假设成立的时候却无法拒绝原假设的情况出现，这种概率竟然变为了1，这是很恐怖的。也就是假设检验中两大类错误。因此我们只可能尽可能的让两类错误都尽可能的小，Pitmann和小pearson指出并且进行了试验发现alpha取0.01到0.10的时候可以让beta也相对很小。这就是实际中为什么才用alpha为0.05的原因。 p值是什么，p值就是拒绝原假设的概率临界值，也就是说取p值为alpha的时候，也就是犯第一类错误的概率，如果你能够忍受它，那么你就可以拒绝它。否则就不能。什么意思，比如p值等于0.8，你能否拒绝原假设，可以，你一类错误取0.8就行。 从另外一个角度来说，我们永远无法接受原假设，这就是假设检验的弊端所在，但是一般书籍上不会这样说，只是简单的说接受或拒绝，为什么呢，因为解释起来反而麻烦，这样写反而大家更容易接受。更为正规的说法就是“没有足够信息或证据来证明原假设是错误的”。 至于参考书，可以参考华师大出的《数理统计》之类的书籍，这样可能把一些概念搞的更为清晰些：） |
7楼2007-05-05 10:59:56
★
cuplgz(金币+1):谢谢回复！
cuplgz(金币+1):谢谢回复！
| Before you perform a statistical test, you have a null hypothesis H0 and alternative hypothsis Ha. Under the null hypothesis(H0, e.g., u=10), the test statistic has certain probability distribution(Normal, Chi square, t-distribution, F-distribuation, etc.), based on the data, you can calculate the test statistic(i.e. z, t, f, etc.), then you can determine reject region, you can look the corresponding distribution table, find out the probability for your test statistic. If p>0.05, that means you can not reject the null hypothesis(not significant). Otherwise, P<0.05, that means you need to reject Ho (e.g., u is not equal to 10). Note that there are type I error and type II error. |
2楼2007-05-01 07:38:31
yalefield
金虫 (文坛精英)
老汉一枚
- 应助: 129 (高中生)
- 贵宾: 0.17
- 金币: 21238.9
- 散金: 3440
- 红花: 66
- 帖子: 12101
- 在线: 759.1小时
- 虫号: 96063
- 注册: 2005-10-07
- 专业: 高等教育学
- 管辖: 计算模拟
★
cuplgz(金币+1):谢谢回复！
cuplgz(金币+1):谢谢回复！
|
样本量测值的误差来源有三类： （1）随机误差（自然） （2）系统误差（器具） （3）偶然误差（人为） “有统计学意义”的意思，是说样本误差主要是来自“随机误差”的。 P<0.05时，统计学结论是“有统计学意义”； P>0.05时，则是“无统计学意义”，其含义是：“根据当前数据，尚不足以认为两组数据间的差异有统计学意义”。 过去，由于用词或翻译不当，长期以来都将P>0.05解释为“差异不显著”、“差异无显著性”或“差异无显著意义”。 这种认识不够确切，会产生误导： 一是将“差异不显著”误认为是“两组数据没有什么差别”； 二是将“差异显著”误认为是“两组数据差别很大”。 目前，已经不再采用“显著”或“不显著”的说法。 在实践中，P>0.05是一个“不是结论的”结论。 从统计学角度来说，是结论，即“无统计学意义”； 从具体研究对象来说，则即不能说“两组数据有差别”，也不能说“两组数据无差别”。可能样本比较少、量测误差比较大。如果增加样本、减少量测误差，就可以使得P<0.05。 因此，P>0.05不能作为“两组数据”所代表的两个样本基本相同的判据！ |
3楼2007-05-01 17:54:20
4楼2007-05-04 19:09:27
200