目录
P值代表由样本数据得到的样本统计量,该样本统计量在理论统计量的置信区间(1-a)内的概率(根本原因),意思是样本统计量在理论统计量的占比越大,表示样本统计量越接近理论统计量。
P值是假设检验中很重要的一个指标。它代表接受原假设的概率。(直接作用)
P值本质上是在原假设H0成立的条件下,得到实际样本统计量或更极端统计量的概率。它是通过以下步骤推导得来的:1. 提出原假设H0和对立假设H1。H0通常表示两种变量之间没有关系或差异。2. 假设H0为真,从总体分布中得出样本统计量的理论分布。例如,如果总体服从正态分布,样本均值的理论分布也是正态分布。3. 根据样本数据计算出样本统计量的实际值,记为Tobs。4. 在统计量的理论分布下,找出不大于或不小于Tobs的左尾概率或右尾概率,这个概率值就是P值。5. 如果P值很小,如小于显著性水平0.05,则不太可能是在H0为真的情况下出现Tobs这样的统计量,因此拒绝H0,否则不拒绝H0。举个简单例子来说明:设有一个IQ检验,原假设H0为“总体均值为100”。然后从总体中随机抽取一个样本,得到样本均值为105,样本容量为25。在H0为真的情况下,样本均值理论上遵循正态分布,均值为100,标准差为总体标准差除以根号25。假定总体标准差为15,则标准差为15/5=3。计算出样本均值105在理论正态分布下的P值,得到其右侧不低于105的概率为0.023。由于P值0.023小于0.05,所以样本结果不支持H0,即拒绝原假设“总体均值为100”。所以,P值的推导过程是:在原假设下求出样本统计量的理论分布,然后根据实际样本统计量计算其在理论分布下的概率,这个概率值即为P值。P值越小,对原假设H0的支持越弱,越可能拒绝H0。
交并原则 :
化归思想:把新知识变换为旧知识进行解决
显著性水平:alpha
表示接受H。最少概率大小。 (是一个自定义的定值)
假设检验三步走:
目的:验证原假设能否被接受
步骤:
1.设定原假设,以及将对立值作为备择假设
2.构造理论统计量(要求能够知道它服从何种分布,一般是类正态分布),并且代入样本数据得到统计量的值。代入样本数据后,我们把这个统计量称为样本统计量。
3.依据样本数量n的值查表得到理论统计量的值,与样本统计量作比较,判断样本统计量落在理论统计量的哪些部分,看面积占比。