|
a.标准正态分布表临界值的计算： NORMSINV(1-α/2) 【双侧】，例如NORMSINV(1-0.05/2)=1.959963985 NORMSINV(1-α) 【单侧】，例如NORMSINV(1-0.05)=1.644853627 你将我的公式复制、粘贴至Excel的公式编辑栏中就可以直接得到计算结果。记得代入具体的α值，并且在公式前面加英文状态下的等号，否则得不到计算结果！ b. P值的计算： 如果你已经计算好了Z值，可以按以下公式直接计算出P值，也不需要查表： 【双侧】P值=(1-NORMSDIST(Z值))*2，例如(1-NORMSDIST(1.96))*2=0.024997895*2=0.05 【单侧】P值=1-NORMSDIST(Z值)，例如1-NORMSDIST(1.96)=0.024997895=0.025 注意，如果Z值为负值，应该取绝对值后再代入公式， 或者使用NORMSDIST(Z值) 显著性水平：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 为或，其表明了的可靠性 。 2 P值 Ｐ值代表，在假设原假设（HO)正确时，出现现状或更差的情况的概率 设置⼀个想要推翻的结论的对⽴⾯的原假设，⽽Ｐ值就是假设原假设成⽴的情况下，计算实际观察结果以及更坏情况出现的概率。⽽这个概率就是Ｐ值. α <0.05,说明犯⼀类错误（拒绝真实的原假设）是个⼩概率事件，故拒绝ＨＯ. 这与显然显著性检验中，Ｐ<0.05，原假设是个⼩概率事件,故拒绝ＨＯ，有着本质的区别。 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  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。 p值和z值的关系  |
|
|
