
统计学上的P值的含义通俗
首先解释下“有统计学意义”和“显著差异” 两个概念:
”有统计学意义"和"差异显著"是两个不同的概念,"差异显著"易给人一种误导,
原来两概念在统计学中经常有点通用,现在明确地只能用“有统计学意义”。
P<0.05是指假设H0(即两总体没区别)成立的可能性概率在5%以下,
a就是允许犯Ⅰ类错误(拒绝了正确的无效假设H0)的概率,
一般在做假设检验之前先定好,
如果a=0.05,表示允许犯Ⅰ类错误的概率为0.05,所以当P<0.05时,
说明在a=0.05允许的范围内,认为两总体是有差异的,
即两总体差异有统计学意义(指在a=0.05的统计学参数情况下);
如果此时P=0.04,而先设定a=0.01,则认为两总体差异无统计学意义
(指在a=0.01的统计学参数情况下),虽然两总体没变,两总体差异也没变;
所以 ”有统计学意义"并不等同于"差异显著" ,举个例子:两组数:
A组:3, 3.05, 3.01, 3.04, 2.95;
B组:3.2, 3.1, 3.15, 3.14, 3.12;
两组数差异(均数)并不大,但P<0.001,设定a=0.01或0.05,则认为两总体差异统计学意义。这主要与两组数的标准差有关。
如果写成两总体差异显著,易认为两组数(均数)差别大。
第一类错误与第二类错误 通俗解释:
H0:一个真心爱你的男生
H1:一个不是真心爱你的男生
如果H0实际上成立,而你凭经验拒绝了H0,也就是说,
你拒绝了一个你认为不爱你而实际上真心爱你的男生,那么你就犯了第Ⅰ类错误;
如果H0实际上不成立,而你接受了H0,同样的道理,
你接受了一个你感觉爱你而实际上并不爱你的男生,那么你就犯了第Ⅱ类错误。
如果要同时减小犯第Ⅰ类错误和第Ⅱ类错误的概率,那就只能增加恋爱的次数n,
比如一个经历过n=100次恋爱的女生,第101次恋爱犯第Ⅰ类错误和第Ⅱ类错误的概率就会小很多了。
统计学上把保守的、传统的观点作为原假设H0, 新颖的、感兴趣的、想去论证的观点作为备择假设H1
统计学P值与显著性水平之间的比较:
就好比一个犯罪嫌疑人 在没有确凿的证据前都只能以他无罪为原假设
因为一个人无罪判他有罪 比 有罪判无罪 的后果严重的多 大家都不愿被冤枉
所以推广开来 你想证明一班的成绩比二班好 原假设就设为一班二班成绩相同,
其中出现的个别成绩有差异,是由于抽样误差所造成的,纯在偶然性;
备择假设就设为一班比二班成绩好,其中样本中出现的一班二班成绩差异不是偶然出现的,
具有高度统计学意义,
因此, 一般把显著性水平设定为0.05,当P值小于0.05时, 我们认为因为偶然性而造成的成绩差异的概率比较小,
因此拒绝原假设,就可以接受一班成绩比二班好的事实;
若P值比0.05大就说明没有足够证据证明一班成绩比二班好,原假设中因为抽样误差而造成的成绩差异的可能性比较高,
保守起见拒绝备择假设 接受原假设。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15