京公网安备 11010802034615号
经营许可证编号:京B2-20210330
t检验中的t值和p值是什么关系_t检验和p值的关系
t检验中通过样本均值 总体均值 样本标准差 样本量 可以计算出一个t值,这个t值和p值有什么关系?
根据界值表又会查出一个数,这个数和t值比较,得出大小,判断是否接受原假设。感觉p值一直都没有什么作用?
解答:在进行t检验时,会计算出一个t值,而在选定显著性水平后,可以找到相比较的t值,两者可以比较,判断显著性。p值代表的是不接受原假设的最小的显著性水平,可以与选定的显著性水平直接比较。例如取5%的显著性水平,如果p值大于5%,就接受原假设,否则不接受原假设。这样不用计算t值,不用查表了。
准问:其实是不是可以理解成 就是按照自由度和0.05来查表看p值的范围。例如 自由度是34的话,t〈t 0.05,34,则表示P >0.05,按α=0.05水准,接受原假设H0。
可以这么理解么?
回答:可以这么理解,t值其实就相当于确定的了一个置信区间,在这个区间内,接受原假设,而p表示的是置信区间之外的那部分;在确定t值时置信区间已经确定了,p值也就确定了,p值作为一个标准,你可以选的是显著性水平,只要比较一下就可以。两者在本质上时一样的。
其他解答:你这样理解是有偏误的。p值是根据统计量值计算出来的,跟显著性水平是没有关系。只能说根据计算出来的p值来和显著性水平比较,当p值小于显著性水平是拒绝原假设。而不能说根据显著性水平确定p值的范围。简言之,p值是根据样本计算出来的,而显著性水平则是认为规定的
解答:同意你的观点,p value is usually based on sample, and it is a calculated value, but significant level is usually set by statisticians subjectively…
其他疑问:这样啊~
基础知识不好 其实我应该是压根都不知道p值是怎么算出来的 例如 通过样本均值 总体均值 样本标准差 计算出了 t=1.77,自由度=34,查t界值表可以获得一个对应值 2.032,那p值是根据2.032计算出来的么?还是其他的方法?
多谢啦~
解答:不对。你这个2.032是根据给定的显著性水平计算出来的吧。p值不依赖于这个,p值就是在给定的自由度下(注意这里不要求显著性水平),通过计算出来的统计量值t=1.77,结合t分布求出当T>1.77是的概率 ,这个概率就是p值,如果是双侧检验的话还要乘以2
当显著性水平为0.05,自由度为34的时候,查t界值表得到一个对应数据2.032。这个值的意义主要是什么呢?数据分析培训
p值能直接跟显著性水平比较;而t值想要跟显著性水平比较,就得换算成p值,或者将显著性水平换算成t值。就是这么简单粗暴
想深入学习统计学知识,为数据分析筑牢根基?那快来看看统计学极简入门课程!
学习入口:https://edu.cda.cn/goods/show/3386?targetId=5647&preview=0
课程由专业数据分析师打造,完全免费,60 天有效期且随到随学。它用独特思路讲重点,从数据种类到统计学体系,内容通俗易懂。学完它,能让你轻松入门统计学,还能提升数据分析能力。赶紧点击链接开启学习,让自己在数据领域更上一层楼!
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14