1樓：不是苦瓜是什麼
1、t指的是t檢驗，亦稱student t檢驗（student's t test），主要用於樣本含量較小（n<30），總體標準
差σ未知的正態分佈資料。
計算：t的檢驗是雙側檢驗，只要t值的絕對值大於臨界值就是不拒絕原假設。
2、p值（p value）就是當原假設為真時所得到的樣本觀察結果或更極端結果出現的概率。如果p值很小，說明原假設情況的發生的概率很小，而如果出現了，根據小概率原理，我們就有理由拒絕原假設，p值越小，我們拒絕原假設的理由越充分。
計算：概率定義為：p(a)=m/n，其中n表示該試驗中所有可能出現的基本結果的總數目。m表示事件a包含的試驗基本結果數。
統計學是關於認識客觀現象總體數量特徵和數量關係的科學。它是通過蒐集、整理、分析統計資料，認識客觀現象數量規律性的方**科學。由於統計學的定量研究具有客觀、準確和可檢驗的特點，所以統計方法就成為實證研究的最重要的方法，廣泛適用於自然、社會、經濟、科學技術各個領域的分析研究。
2樓：匿名使用者
簡單地說，t值和p值都用來判斷統計上是否顯著的指標， 例如不良貸款y對貸款餘額的估計方程x的迴歸估計方程為:y=-0.8+0.
03x,那麼這個方程的係數0.03是否在統計上有意義呢？是否貸款餘額沒增加1個單位，不良貸款就要增加0.
03個單位呢？那麼可以通過計算其t值和p值來判斷，經計算t=7.5,p=0.
000，根據假設檢驗的相關知識，可以判斷這個方程式有意義的。
我認為，要想把它弄清楚，還是需要找本統計學原理的書看看好
3樓：東哥
,t值和p值都用來判斷統計上是否顯著的指標。
p值就是拒絕原假設的最小alpha值嘛，把統計量寫出來，帶進去算出來之後，根據統計量的分佈來算p值啊，舉個例子，比如說算出來的統計量的值為z,服從的是正態分佈，如果是雙邊檢驗的話那麼pvalue=2*(1-probnorm(abs(z)));
單邊檢驗的話，應該是1-probnorm(z);
具體問題具體分析，不同的檢驗方法求p值方法也不一樣，統計的書上肯定都有；t值計算方法相似。
4樓：匿名使用者
統計學中t值p值是什麼意思，怎麼計算統計學中的批直系踢值他的統計表去計算。
5樓：甲殼蟲知道多
最通俗的來講，p值代表原假設成立的概率，所以p值越小代表原假設越不成立，所以可以拒絕原假設。一般p值小於等於5%就可以視為原假設大概率不成立了。
6樓：忽悠村——村長
1：t 這是數理統計中的一種統計量 t統計量
2:而統計量指不含未知引數的樣本函式。如樣本x
7樓：匿名使用者
正態分佈中的引數
p=正態分佈函式（）
t是其逆函式
如p(0)=0.5
卡西歐計算器上就有這功能
統計分析中，p值和t值各是什麼？
8樓：那林子的小鳥
p值（p value）就是當原假設為真時所得到的樣本觀察結果或更極端結果出現的概率。如果p值很小，說明原假設情況的發生的概率很小，而如果出現了，根據小概率原理，我們就有理由拒絕原假設，p值越小，我們拒絕原假設的理由越充分。
t指的是t檢驗，亦稱student t檢驗（student's t test），主要用於樣本含量較小（例如n<30），總體標準差σ未知的正態分佈資料。
綜合來說，p值更重要一點。
專業上，p值為結果可信程度的一個遞減指標，p值越大，我們越不能認為樣本中變數的關聯是總體中各變數關聯的可靠指標。p值是將觀察結果認為有效即具有總體代表性的犯錯概率。如p=0.
05提示樣本中變數關聯有5%的可能是由於偶然性造成的。
即假設總體中任意變數間均無關聯，我們重複類似實驗，會發現約20個實驗中有一個實驗，我們所研究的變數關聯將等於或強於我們的實驗結果。（這並不是說如果變數間存在關聯，我們可得到5%或95%次數的相同結果，當總體中的變數存在關聯，重複研究和發現關聯的可能性與設計的統計學效力有關。）在許多研究領域，0.
05的p值通常被認為是可接受錯誤的邊界水平。
9樓：晴禾雨
t指的是t檢驗，亦稱student t檢驗（student's t test），主要用於樣本含量較小（例如n<30），總體標準差σ未知的正態分佈資料
p值（p value）就是當原假設為真時所得到的樣本觀察結果或更極端結果出現的概率。如果p值很小，說明原假設情況的發生的概率很小，而如果出現了，根據小概率原理，我們就有理由拒絕原假設，p值越小，我們拒絕原假設的理由越充分。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。
10樓：
t是t檢驗的值 p是概率，p＜0.05或p＜0、001最好，可以拒絕原假設，表明差異顯著
11樓：匿名使用者
你好， 顯著性檢驗（significance test）就是事先對總體（隨機變數）的引數或總體分佈形式做出一個假設，然後利用樣本資訊來判斷這個假設（備則假設）是否合理，即判斷總體的真實情況與原假設是否有顯著性差異。或者說，顯著性檢驗要判斷樣本與我們對總體所做的假設之間的差異是純屬機會變異，還是由我們所做的假設與總體真實情況之間不一致所引起的。 顯著性檢驗是針對我們對總體所做的假設做檢驗，其原理就是「小概率事件實際不可能性原理」來接受或否定假設。
抽樣實驗會產生抽樣誤差，對實驗資料進行比較分析時，不能僅憑兩個結果（平均數或率）的不同就作出結論，而是要進行統計學分析，鑑別出兩者差異是抽樣誤差引起的，還是由特定的實驗處理引起的。
中文名：顯著性檢驗
外文名：significance test
應用領域：資料統計
常用測驗：t檢驗等
分享含義
顯著性檢驗即用於實驗處理組與對照組或兩種不同處理的效應之間是否有差異，以及這種差異是否顯著的方法。
常把一個要檢驗的假設記作h0,稱為原假設（或零假設） (null hypothesis) ，與h0對立的假設記作h1，稱為備擇假設(alternative hypothesis) 。
⑴ 在原假設為真時，決定放棄原假設，稱為第一類錯誤，其出現的概率通常記作α，就是p值；
⑵ 在原假設不真時，決定不放棄原假設，稱為第二類錯誤，其出現的概率通常記作β，就是t值。
通常只限定犯第一類錯誤的最大概率α， 不考慮犯第二類錯誤的概率β。這樣的假設 檢驗又稱為顯著性檢驗，概率α稱為顯著性水平。
最常用的α值為0.01、0.05、0.10等。一般情況下，根據研究的問題，如果放棄真假設損失大，為減少這類錯誤，α取值小些 ，反之，α取值大些。
統計中t值和p值的區別
12樓：千山鳥飛絕
統計中t值和p值的區別為：
1、t值，指的是t檢驗，主要用於樣本含量較小（例如n<30），總體標準差σ未知的正態分佈資料。t檢驗是用t分佈理論來推論差異發生的概率，從而比較兩個平均數的差異是否顯著。
2、p值，就是當原假設為真時，所得到的樣本觀察結果或更極端結果出現的概率。如果p值很小，說明原假設情況的發生的概率很小，而如果出現了，根據小概率原理，我們就有理由拒絕原假設，p值越小，我們拒絕原假設的理由越充分。
p值代表的是不接受原假設的最小的顯著性水平，可以與選定的顯著性水平直接比較。例如取5%的顯著性水平，如果p值大於5%，就接受原假設，否則不接受原假設。這樣不用計算t值，不用查表。
3、p值能直接跟顯著性水平比較；而t值想要跟顯著性水平比較，就得換算成p值，或者將顯著性水平換算成t值。在相同自由度下，查t表所得t統計量值越大，其尾端概率p越小，兩者是此消彼長的關係，但不是直線型負相關。
13樓：墨汁諾
一、t指的是t檢驗，亦稱student t檢驗（student's t test），主要用於樣本含量較小（例如n<30），總體標準差σ未知的正態分佈資料
二、p值（p value）就是當原假設為真時所得到的樣本觀察結果或更極端結果出現的概率。如果p值很小，說明原假設情況的發生的概率很小，而如果出現了，根據小概率原理，我們就有理由拒絕原假設，p值越小，我們拒絕原假設的理由越充分。
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。
在相同自由度下，查t表所得t統計量值越大，其尾端概率p越小，兩者是此消彼長的關係，但不是直線型負相關。
14樓：深藍色的貓貓
t值就是這些統計檢定值，與它們相對應的概率分佈，就是t分佈。統計顯著性（sig）就是出現目前樣本這結果的機率。
p值代表結果的可信程度，p越大，就越不能認為樣本中變數的關聯是總體中各變數關聯的可靠指標。p值是將觀察結果認為有效即具有總體代表性的犯錯概率。如p=0.
05提示樣本中變數關聯有5%的可能是由於偶然性造成的。
一般而言，為了確定從樣本(sample)統計結果推論至總體時所犯錯的概率，我們會利用統計學家所開發的一些統計方法，進行統計檢定。
通過把所得到的統計檢定值，與統計學家建立了一些隨機變數的概率分佈(probability distribution)進行比較，我們可以知道在多少%的機會下會得到目前的結果。倘若經比較後發現，出現這結果的機率很少，亦即是說，是在機會很少、很罕有的情況下才出現；那我們便可以有信心的說，這不是巧合，是具有統計學上的意義的(用統計學的話講，就是能夠拒絕虛無假設null hypothesis,ho)。相反，若比較後發現，出現的機率很高，並不罕見；那我們便不能很有信心的直指這不是巧合，也許是巧合，也許不是，但我們沒能確定。
拓展資料
r·a·fisher（1890-1962）作為一代假設檢驗理論的創立者，在假設檢驗中首先提出p值的概念。他認為假設檢驗是一種程式，研究人員依照這一程式可以對某一總體引數形成一種判斷。也就是說，他認為假設檢驗是資料分析的一種形式，是人們在研究中加入的主觀資訊。
（當時這一觀點遭到了neyman-pearson的反對，他們認為假設檢驗是一種方法，決策者在不確定的條件下進行運作，利用這一方法可以在兩種可能中作出明確的選擇，而同時又要控制錯誤發生的概率。這兩種方法進行長期且痛苦的論戰。雖然fisher的這一觀點同樣也遭到了現代統計學家的反對，但是他對現代假設檢驗的發展作出了巨大的貢獻。
）fisher的具體做法是：
假定某一引數的取值。
選擇一個檢驗統計量(例如z 統計量或z 統計量) ，該統計量的分佈在假定的引數取值為真時應該是完全已知的。
從研究總體中抽取一個隨機樣本計算檢驗統計量的值計算概率p值或者說觀測的顯著水平，即在假設為真時的前提下，檢驗統計量大於或等於實際觀測值的概率。
如果p<0.01，說明是較強的判定結果，拒絕假定的引數取值。
如果0.01如果p值》0.05，說明結果更傾向於接受假定的引數取值。
可是，那個年代，由於硬體的問題，計算p值並非易事，人們就採用了統計量檢驗方法，也就是我們最初學的t值和t臨界值比較的方法。統計檢驗法是在檢驗之前確定顯著性水平α，也就是說事先確定了拒絕域。但是，如果選中相同的，所有檢驗結論的可靠性都一樣，無法給出觀測資料與原假設之間不一致程度的精確度量。
只要統計量落在拒絕域，假設的結果都是一樣，即結果顯著。但實際上，統計量落在拒絕域不同的地方，實際上的顯著性有較大的差異。
因此，隨著計算機的發展，p值的計算不再是個難題，使得p值變成最常用的統計指標之一。
統計P值是什麼，怎麼算，統計學中的P值應該怎麼計算
p值就是概率，一般的話小於0.05就行，意思就是你所估計出來的值只有5 的可能是落在置信區間之外的，也就是說這個值越小越靠譜，一般統計學上取0.05為界，大於拒絕，小於接受 p值即為拒絕域的面積或概率。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...
統計學裡，T檢驗的P值的意義統計學中的T檢驗P值是什麼意思？求深入淺出通俗易懂解釋
簡單的講吧，我看他們兩個講的蠻複雜的，其實沒那麼複雜 你知道正太分佈吧，0.05 0.01 0.001分別對應著這三個數 95 99 和99.9 你可能在有些地方還會看到0.1，它是對應著90 好了，我先向你解釋下這幾個百分數是什麼意思，這四個百分數都是表示 我的統計結果有多大的把握性，比如95 它...
統計學的P值中的P是什麼含義
不是。p值 p value 就是當原假設為真時所得到的樣本觀察結果或更極端結果出現的概率。如果p值很小，說明原假設情況的發生的概率很小，而如果出現了，根據小概率原理，我們就有理由拒絕原假設，p值越小，我們拒絕原假設的理由越充分。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...