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!
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
长短期记忆网络(LSTM)作为循环神经网络(RNN)的重要改进模型,凭借其独特的门控机制(遗忘门、输入门、输出门),有效解决了 ...
2026-04-08在数据分析全流程中,数据质量是决定分析结论可靠性的核心前提,而异常值作为数据集中的“异类”,往往会干扰统计检验、模型训练 ...
2026-04-08在数字经济飞速发展的今天,数据已渗透到各行各业的核心场景,成为解读趋势、优化决策、创造价值的核心载体。而数据分析,作为挖 ...
2026-04-08在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07在数据分析与统计推断中,p值是衡量假设检验结果显著性的核心指标,其本质是在原假设(通常为“无效应”“无差异”)成立的前提 ...
2026-04-07在数字经济深度渗透的今天,数据已成为企业生存发展的核心资产,企业的竞争本质已转变为数据利用能力的竞争。然而,大量来自生产 ...
2026-04-07Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01在数据驱动决策的时代,企业与从业者每天都会面对海量数据——电商平台的用户行为数据、金融机构的信贷风险数据、快消品牌的营销 ...
2026-04-01在数字化转型的浪潮中,企业数据已从“辅助运营的附属资源”升级为“驱动增长的核心资产”,而一套科学、可落地的企业数据管理方 ...
2026-04-01在数字化时代,每一位用户与产品的交互都会留下可追溯的行为轨迹——电商用户的浏览、加购、下单,APP用户的注册、登录、功能使 ...
2026-03-31在日常数据统计、市场调研、学术分析等场景中,我们常常需要判断两个分类变量之间是否存在关联(如性别与消费偏好、产品类型与满 ...
2026-03-31在CDA(Certified Data Analyst)数据分析师的职场实战与认证考核中,“可解释性建模”是核心需求之一——企业决策中,不仅需要 ...
2026-03-31多层感知机(MLP,Multilayer Perceptron)作为深度学习中最基础、最经典的神经网络模型,其结构设计直接决定了模型的拟合能力、 ...
2026-03-30在TensorFlow深度学习实战中,数据集的加载与预处理是基础且关键的第一步。手动下载、解压、解析数据集不仅耗时费力,还容易出现 ...
2026-03-30