文章目录
基础概念:
假设检验中的P值
假设检验是推断统计中的一项重要内容在假设检验中常见到P值( P-Value,Probability,Pr),P值是进行检验决策的另一个依据。
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。
H0:差别由抽样误差引起
H1: 差别不是由抽样误差引起
如果P>0.05,不能否定“差别由抽样误差引起”,则接受H0;【样本组A没有比样本组B好,】
如果P<0.05或P <0.01,可以认为差别不由抽样误差引起,可以拒绝原假设H0,则可以不拒绝另一种可能性的假设(又称备选假设,符号为H1),即两样本来自不同的总体,所以两药疗效有差别。
Attention
⑴P的意义不表示两组差别的大小,P反映两组差别有无统计学意义,并不表示差别大小。因此,与对照组相比,C药取得P<0.05,D药取得P <0.01并不表示D的药效比C强。
⑵ P>0.05时,差异无显著意义,根据统计学原理可知,不能否认无效假设,但并不认为无效假设肯定成立。在药效统计分析中,更不表示两药等效。那种将“两组差别无显著意义”与“两组基本等效”相同的做法是缺乏统计学依据的。
⑶统计学主要用上述三种P值表示,也可以计算出确切的P值,有人用P <0.001,无此必要。
⑷显著性检验只是统计结论。判断差别还要根据专业知识。抽样所得的样本,其统计量会与总体参数有所不同,这可能是由于两种原因。
假设检验中的α-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,