matlab p值 z值,显著性水平 p值 z值

1 显著性水平

显著性水平是估计总体参数落在某一区间内，可能犯错误的概率，用α表示。

α表示原假设为真时，拒绝原假设的概率。

1-α 为置信度或置信水平，其表明了区间估计的可靠性 。

2 P值

在假设检验中常见到P值即概率，反映某一事件发生的可能性大小。

统计学根据显著性检验方法所得到的P 值，一般以P < 0.05 为有统计学差异， P<0.01 为有显著统计学差异，P<0.001为有极其显著的统计学差异。其含义是样本间的差异由抽样误差所致的概率小于0.05 、0.01、0.001。

数据解释

P值

碰巧的概率

对无效假设

统计意义

P>0.05

碰巧出现的可能性大于5%

不能否定无效假设

两组差别无显著意义

P<0.05

碰巧出现的可能性小于5%

可以否定无效假设

两组差别有显著意义

P <0.01

碰巧出现的可能性小于1%

可以否定无效假设

两者差别有非常显著意义

3 P值和显著性水平区别

显著性水平：显著性水平是假设检验中的一个概念，是指当原假设为正确时人们却把它拒绝了的概率或风险。它是公认的小概率事件的概率值，必须在每一次统计检验之前确定，通常取α=0.05或α=0.01。这表明，当作出接受原假设的决定时，其正确的可能性(概率)为95%或99%。

P值：p值是指在一个概率模型中，统计摘要(如两组样本均值差)与实际观测数据相同，或甚至更大这一事件发生的概率。换言之，是检验假设零假设成立或表现更严重的可能性。p值若与选定显著性水平(0.05或0.01)相比更小，则零假设会被否定而不可接受。

4 z值

z统计是用来衡量样本均值偏离整体均值的方差倍数，就是偏离方差的程度。

根据中心极限定理，总体样本N，每次抽样数n，每次抽样的均值的分布趋近正态分布。也就是随机误差符合正态分布。其分布的数学期望为总体均值μ，方差为总体方差的1/n。

Z值与P值关系

 P值 差异程度

非常显著

显著

<1.96

>0.05

不显著

如果检验一个样本平均数(

)与一个已知的总体平均数(μ0)的差异是否显著。其Z值计算公式为：

其中：

是检验样本的平均数；

μ0是已知总体的平均数；

S是样本的标准差；

n是样本容量。

标签：显著性,无效假设,假设,水平,显著,概率,0.05

来源： https://blog.youkuaiyun.com/genghaihua/article/details/91958522