1樓：公主裹兒
在任何一本概率統計課本里面都有方差分析的計算公式。
p值一般是根據問題的具體要求規定的一個很小的概率，它表示當我們分析的因素對事物事實上沒有重要影響，方差分析檢驗方法做出錯誤判斷的概率。p值一般可以規定為0.01或者更小以保證方差分析方法能夠以較大的概率做出正確的判斷。
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
2樓：demon陌
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值小於某個顯著引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。
3樓：析夢安邱軒
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值小於某個顯著引數的時候我們就可以否定假設。反之，則不能否定假設。
注意，這裡p0是那個缺少的假設滿意度，而不是要求的p值。
沒有p0就形不成假設檢驗，也就不存在p值
統計學上規定的p值意義：
p值碰巧的概率
對無效假設
統計意義
p＞0.05
碰巧出現的可能性大於5%
不能否定無效假設
兩組差別無顯著意義
p＜0.05
碰巧出現的可能性小於5%
可以否定無效假設
兩組差別有顯著意義
p＜0.01
碰巧出現的可能性小於1%
可以否定無效假設
兩者差別有非常顯著意義
4樓：靈靜
結果的統計學意義是結果真實程度（能夠代表總體）的一種估計方法。
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；
其中，φ(z0)要查表得到。
z0=（x-n*p0）/(根號下（np0(1-p0)）)
最後，當p值小於某個顯著引數的時候（常用0.05，標記為α，給你出題那個人，可能混淆了這兩個概念）我們就可以否定假設。反之，則不能否定假設。
注意，這裡p0是那個缺少的假設滿意度，而不是要求的p值。
沒有p0就形不成假設檢驗，也就不存在p值
熱心網友 | 2013-04-1610
統計學意義（p值）zt
結果的統計學意義是結果真實程度（能夠代表總體）的一種估計方法。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。
在最後結論中判斷什麼樣的顯著性水平具有統計學意義，不可避免地帶有武斷性。換句話說，認為結果無效而被拒絕接受的水平的選擇具有武斷性。實踐中，最後的決定通常依賴於資料集比較和分析過程中結果是先驗性還是僅僅為均數之間的兩兩》比較，依賴於總體資料集裡結論一致的支援性證據的數量，依賴於以往該研究領域的慣例。
通常，許多的科學領域中產生p值的結 果≤0.05被認為是統計學意義的邊界線，但是這顯著性水平還包含了相當高的犯錯可能性。結果0.
05≥p>0.01被認為是具有統計學意義，而0.01≥p≥0.
001被認為具有高度統計學意義。但要注意這種分類僅僅是研究基礎上非正規的判斷常規。
所有的檢驗統計都是正態分佈的嗎並不完全如此，但大多數檢驗都直接或間接與之有關，可以從正態分佈中推匯出來，如t檢驗、f檢驗或卡方檢驗。這些檢驗一般都要求：所分析變數在總體中呈正態分佈，即滿足所謂的正態假設。
許多觀察變數的確是呈正態分佈的，這也是正態分佈是現實世界的基本特徵的原因。當人們用在正態分佈基礎上建立的檢驗分析非正態分佈變數的資料時問題就產生了，（參閱非引數和方差分析的正態性檢驗）。這種條件下有兩種方法：
一是用替代的非引數檢驗（即無分佈性檢驗），但這種方法不方便，因為從它所提供的結論形式看，這種方法統計效率低下、不靈活。另一種方法是：當確定樣本量足夠大的情況下，通常還是可以使用基於正態分佈前提下的檢驗。
後一種方法是基於一個相當重要的原則產生的，該原則對正態方程基礎上的總體檢驗有極其重要的作用。即，隨著樣本量的增加，樣本分佈形狀趨於正態，即使所研究的變數分佈並不呈正態。
5樓：匿名使用者
p值=p(f>f0)，其中f是服從f分佈分佈的隨機變數，f0是根據樣本計算出來的f統計量的值
6樓：匿名使用者
目前手工計算比較複雜，不要求的，一般用計算機比較方便。
7樓：匿名使用者
有表的。直接看你書後面，可以找。
統計學的方差分析表中，p值怎麼計算
8樓：demon陌
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值小於某個顯著引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。
如何計算統計學中的p值？（200分）
9樓：_擇一城終老
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。
擴充套件資料：
用z表示檢驗的統計量，zc表示根據樣本資料計算得到的檢驗統計量值。
1、左側檢驗
2、右側檢驗
3、雙側檢驗
p值是指在一個概率模型中，統計摘要（如兩組樣本均值差）與實際觀測資料相同，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佈的隨機變數，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。
10樓：匿名使用者
p值即為拒絕域的面積或概率。
p值是最小的可以否定假設的一個值。這裡需要一個原始假設。不然一個數值沒法比較，更遑論最小的否定值了。
從現在開始，注意大小寫的p概念不同的。 假設檢驗，這裡應該是比例檢驗（p檢驗，檢驗滿意度，這是個百分比值）
p值是最小的可以否定假設的一個值。並不是簡單相除就完了。
這個實驗應該是：「某人說，滿意度應該是80%，即p0=0.8。
然後我們做了這個實驗，測試了120個人，100個滿意，20個不滿意」但是這樣我們能說滿意度是100/120=83.3%麼？顯然不能，因為對於整個顧客群來說，抽樣測試的群體太小。
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；
其中，φ(z0)要查表得到。
z0=（x-n*p0）/(根號下（np0(1-p0)）) 最後，當p值小於某個顯著引數的時候（常用0.05，標記為α，給你出題那個人，可能混淆了這兩個概念）就可以否定假設。反之，則不能否定假設。
注意，這裡p0是那個缺少的假設滿意度，而不是要求的p值。沒有p0就形不成假設檢驗，也就不存在。
p值是用來判定假設檢驗結果的一個引數，也可以根據不同的分佈使用分佈的拒絕域進行比較。由r·a·fisher首先提出。
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。
11樓：匿名使用者
這是誰給你出的題？
他忽略了最重要的一點：p值即為拒絕域的面積或概率。沒有原始假設，怎麼來的拒絕呢？
p值是最小的可以否定假設的一個值。這裡需要一個原始假設。不然一個數值沒法比較，更遑論最小的否定值了。
從現在開始，注意大小寫的p概念不同的。
假設檢驗，這裡應該是比例檢驗（p檢驗，檢驗滿意度，這是個百分比值）
p值是最小的可以否定假設的一個值。並不是簡單相除就完了。
這個實驗應該是：「某人說，滿意度應該是80%，即p0=0.8。
然後我們做了這個實驗，測試了120個人，100個滿意，20個不滿意」但是這樣我們能說滿意度是100/120=83.3%麼？顯然不能，因為對於整個顧客群來說，你抽樣測試的群體太小了。
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；
其中，φ(z0)要查表得到。
z0=（x-n*p0）/(根號下（np0(1-p0)）)
最後，當p值小於某個顯著引數的時候（常用0.05，標記為α，給你出題那個人，可能混淆了這兩個概念）我們就可以否定假設。反之，則不能否定假設。
注意，這裡p0是那個缺少的假設滿意度，而不是要求的p值。
沒有p0就形不成假設檢驗，也就不存在p值
spss方差分析結果中有f值和顯著性有什麼代表意義
兩者表達的目的是相同。f值是方差分析統計量，根據f值表可以查到此f值在對應自由度下的p值 sig.然後就能下結論了 1 spss方差分析結果是否顯著性,就是看f值的大小和n,它們決定了顯著水平的高低.2 f就是f統計量 p是p值，後面一個是多元方差分析的統計量。3 spss statistical ...
SPSS中《資料差異的顯著性分析》如何實現？謝謝
那要看你做什麼啊 是t檢驗 f檢驗還是z檢驗？spss中兩組資料的顯著性差異怎麼分析 spss裡怎麼做差異顯著性分析 如何用spss做差異的顯著性分析 對樣品做了三次處理的意思是你資料中的 處理一 是基線水平，也就是沒有做任何處理前測得得資料，處理2 3 4分別是三種處理後的結果嗎？每個處理三種重複...
統計學的方差分析表中，p值怎麼計算
p值的計算公式 2 1 z0 當被測假設 h1為 p不等於p0時 1 內 z0 當被測假設h1為 p大於p0時 z0 當被測假設h1為 p小於容p0時 其中，z0 要查表得到。z0 x n p0 根號下 np0 1 p0 最後，當p值小於某個顯著引數的時候我們就可以否定假設。反之，則不能否定假設。注...