统计学意义(p值)ZT
结果的统计学意义是结果真实程度(能够代表总体)的一种估计方法.专业上,p值为结果可信程度的一个递减指标,p值越大,我们越不能认为样本中变量的关联是总体中各变量关联的可靠指标.p值是将观察结果认为有效即具有总体代表性的犯错概率.如p=0.05提示样本中变量关联有5%的可能是由于偶然性造成的.即假设总体中任意变量间均无关联,我们重复类似实验,会发现约20个实验中有一个实验,我们所研究的变量关联将等于或强于我们的实验结果.(这并不是说如果变量间存在关联,我们可得到5%或95%次数的相同结果,当总体中的变量存在关联,重复研究和发现关联的可能性与设计的统计学效力有关.)在许多研究领域,0.05的p值通常被认为是可接受错误的边界水平.
在最后结论中判断什么样的显著性水平具有统计学意义,不可避免地带有武断性.换句话说,认为结果无效而被拒绝接受的水平的选择具有武断性.实践中,最后的决定通常依赖于数据集比较和分析过程中结果是先验性还是仅仅为均数之间的两两>比较,依赖于总体数据集里结论一致的支持性证据的数量,依赖于以往该研究领域的惯例.通常,许多的科学领域中产生p值的结果≤0.05被认为是统计学意义的边界线,但是这显著性水平还包含了相当高的犯错可能性.结果0.05≥p>0.01被认为是具有统计学意义,而0.01≥p≥0.001被认为具有高度统计学意义.但要注意这种分类仅仅是研究基础上非正规的判断常规.
所有的检验统计都是正态分布的吗并不完全如此,但大多数检验都直接或间接与之有关,可以从正态分布中推导出来,如t检验、f检验或卡方检验.这些检验一般都要求:所分析变量在总体中呈正态分布,即满足所谓的正态假设.许多观察变量的确是呈正态分布的,这也是正态分布是现实世界的基本特征的原因.当人们用在正态分布基础上建立的检验分析非正态分布变量的数据时问题就产生了,(参阅非参数和方差分析的正态性检验).这种条件下有两种方法:一是用替代的非参数检验(即无分布性检验),但这种方法不方便,因为从它所提供的结论形式看,这种方法统计效率低下、不灵活.另一种方法是:当确定样本量足够大的情况下,通常还是可以使用基于正态分布前提下的检验.后一种方法是基于一个相当重要的原则产生的,该原则对正态方程基础上的总体检验有极其重要的作用.即,随着样本量的增加,样本分布形状趋于正态,即使所研究的变量分布并不呈正态.
猜你喜欢
- 1有一块梯形园林地(如图所示),如果上底增加30米,下底增加25米,就构成了一个周长为360米的正方形林地,原来梯形林地的面积是多少?
- 2英语翻译
- 3杨字开头的成语
- 4猜一个两位数,
- 52002^2除以1999*2001-1
- 6为了测定某铜银合金的成分,将30.0g的合金完全溶于80mL 13.5mol/L的浓HNO3中,待合金完全溶解后,收集到气体6.72L(标准状况),并测得溶液的PH=0.假设反应后的溶液体积仍为80mL.试计算:
- 7甲乙两辆汽车同时分别从两地相向而行,6小时相遇,相遇时,甲车比乙车多行了72千米,已知甲乙两车的速度比是3:2,求两地间的距离?
- 8两个函数差的绝对值的定积分与两个函数差的定积分的绝对值哪个大?
- 9梯形的面积是20平方厘米,上底是4厘米,下底是6厘米.高是多少厘米?
- 10已知向量a=(sinx,−1),b=(3cosx,2),函数f(x)=(a+b)2. (Ⅰ)求函数f(x)的最小正周期; (Ⅱ)若x∈[−π4,π2],求函数f(x)的值域.