统计学中的“P”值是什么意思，方差分析里的p值怎么算

P值即可能性，反映某一事件出现的概率大小。

不一样的P数值所表达的含义也是明显不同的。

统计学按照显著性检验方式所得到的P 值，大多数情况下以P 0.05 为有统计学差异， P0.01 为有显著统计学差异，P0.001为有非常显著的统计学差异。

其含义是样本间的差异由抽样误差所致的可能性小于0.05 、0.01、0.001。其实，P值不可以赋予数据任何重要性，只可以说明某事件出现的几率。统计结果中显示Pr F，也可以写成Pr( F)，P = P{ F0.05 F}或P = P{ F0.01 F}。

P值的计算公式：

=2[1-Φ(z0)] 当被测假设H1为 p不等于p0时；

=1-Φ(z0) 当被测假设H1为 p大于p0时；

=Φ(z0) 当被测假设H1为 p小于p0时；

这当中，Φ(z0)要查表得到。

z0=（x-n*p0）/(根号下（np0(1-p0)）)

后，当P值小于某个显著参数时我们完全就能够否定假设。反之，则不可以否定假设。

注意，这里p0是那个缺乏的假设满意度，而不是要求的P值。

没有p0就形不成假设检验，也就不存在P值

统计学上规定的P值意义：

P值 碰巧的可能性 对无效假设 统计意义

P＞0.05 碰巧产生的概率大于5% 不可以否定无效假设 两组差别无显著意义

P＜0.05 碰巧产生的概率小于5% 可以否定无效假设 两组差别有显著意义

P ＜0.01 碰巧产生的概率小于1% 可以否定无效假设 两者差别有很显著意义。

P值=P(FF0)，这当中F是服从F分布分布的随机变量，F0是按照样本计算出来的F统计量量的值。

1、左侧检验 H0:μ≥μ0 vs H1:μμ0

P值是当μ=μ0时，检验统计量小于或等于按照实质上观测样本数据计算得到的检验统计量值的可能性，即p值 = P(Z≤ZC|μ=μ0)

2、右侧检验 H0:μ≤μ0 vs H1:μμ0

P值是当μ=μ0时，检验统计量大于或等于按照实质上观测样本数据计算得到的检验统计量值的可能性，即p值 = P(Z≥ZC|μ=μ0)

3、双侧检验 H0:μ=μ0 vs H1:μ≠μ0

P值是当μ=μ0时，检验统计量大于或等于按照实质上观测样本数据计算得到的检验统计量值的可能性，即p值 = 2P(Z≥|ZC||μ=μ0)

p值是指在一个可能性模型中，统计摘要（如两组样本均值差）与实质上观测数据一样，或甚至更大这一事件出现的可能性。

换言之是检验假设虚无假设成立或表现更严重的概率。 P值越小，表达结果越显著，但是，检验的结果究竟是“显著的”、“中度显著的”还是“高度显著的”需按照P值的大小和实质上问题来处理。

p值的计算公式：

=2[1-φ(z0)]

当被测假设h1为

p不等于p0时；

=1-φ(z0)

当被测假设h1为

p大于p0时；

=φ(z0)

当被测假设h1为

p小于p0时；

这当中，φ(z0)要查表得到。

z0=（x-n*p0）/(根号下（np0(1-p0)）)

后，当p值小于某个显著参数时我们完全就能够否定假设。反之，则不可以否定假设。

注意，这里p0是那个缺乏的假设满意度，而不是要求的p值。

没有p0就形不成假设检验，也就不存在p值

统计学上规定的p值意义：

p值

碰巧的可能性

对无效假设

统计意义

p＞0.05

碰巧产生的概率大于5%

不可以否定无效假设

两组差别无显著意义

p＜0.05

碰巧产生的概率小于5%

可以否定无效假设

两组差别有显著意义

p

＜0.01

碰巧产生的概率小于1%

可以否定无效假设

两者差别有很显著意义