怎么计算p值

来源：懂视网责编：小OO 时间：2020-03-07 01:33:34

导读怎么计算p值，P值（Pvalue）就是当原假设为真时所得到的样本观察结果或更极端结果出现的概率。如果P值很小，说明原假设情况的发生的概率很小，而如果出现了，根据小概率原理，我们就有理由拒绝原假设，P值越小，我们拒绝原假设的理由越充分。总之，P值越小P值又叫概率值，是让科学家验证猜想是否成功的一个数值。这个值和显著性水平有直接关系，后者是验证科学研究的数据是否有统计上的显著

P值（P value）就是当原假设为真时所得到的样本观察结果或更极端结果出现的概率。如果P值很小，说明原假设情况的发生的概率很小，而如果出现了，根据小概率原理，我们就有理由拒绝原假设，P值越小，我们拒绝原假设的理由越充分。总之，P值越小

P值又叫概率值，是让科学家验证猜想是否成功的一个数值。这个值和显著性水平有直接关系，后者是验证科学研究的数据是否有统计上的显著性的重要指标。可以画个表，在计算其他统计值以后来找出P值。卡方是其中要先找出的统计值之一。

P值的计算公式是 =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；总之，P值越小，表明结果越显著。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”需要根据P值

第1步：计算卡方，比较两组数据。

假设第一组野生型的患病率是p1,第二组是p2 所以你的原假设就是p1=p2 枢轴变量T = (实际比例1-实际比例2)/根号(方差1+方差2) ~ N(0,1) 标准正态分布实际比例1=36/185 实际比例2=12/65 方差1=实际比例1×（1-实际比例1）/n1=36

表达式是： (|o-e|-.05)^2/e 。o是观察数据或实际数据，e是期望值。比如要验证“红车司机比蓝车司机要更容易得超速罚单”。

统计学意义（p值）ZT 结果的统计学意义是结果真实程度（能够代表总体）的一种估计方法。专业上，p值为结果可信程度的一个递减指标，p值越大，我们越不能认为样本中变量的关联是总体中各变量关联的可靠指标。p值是将观察结果认为有效即具有总体代

要按过去的研究调查来决定期望值。比如，你过去发现红车得罚单的几率是蓝车的两倍，所以在总数150的数据假设中，你期望的是100辆红车得罚单，50辆蓝车得罚单。

1、打开相关软件，输入要求的两组数据。 2、随便选择一个空白表格，并点击函数fx。 3、在选择类别为统计以后，确定函数为TTEST。 4、分别点击第一组和第二组数值并选中第一组和第二组方框数据，注意尾数和类型都输入2。 5、通过确定第四步的操作

用卡方式。由于观察到90辆红车、60辆蓝车得罚单，得出卡方为2.970075。

简介假设检验是推断统计中的一项重要内容。用SAS、SPSS等专业统计软件进行假设检验，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校统计学根据显著性检验方

第2步：决定数据自由度。

假设第一组野生型的患病率是p1,第二组是p2 所以你的原假设就是p1=p2 枢轴变量T = (实际比例1-实际比例2)/根号(方差1+方差2) ~ N(0,1) 标准正态分布实际比例1=36/185 实际比例2=12/65 方差1=实际比例1×（1-实际比例1）/n1=36/185×149/185×1/185=

自由度是研究中涉及的变量个数，变量个数受到总类别数的。

假设第一组野生型的患病率是p1,第二组是p2 所以你的原假设就是p1=p2 枢轴变量T = (实际比例1-实际比例2)/根号(方差1+方差2) ~ N(0,1) 标准正态分布实际比例1=36/185 实际比例2=12/65 方差1=实际比例1×（1-实际比例1）/n1=36

这里例子中自由度是1，因为卡方中自由度= n-1，n就是数据类别数（两种不同的车，红的和蓝的。）

简介假设检验是推断统计中的一项重要内容。用SAS、SPSS等专业统计软件进行假设检验，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校统计学根据显著性检验方

第3步：选择显著度。

卡方检验你的数据应该用交叉列联表做，数据录入格式为：建立两个变量，变量1是组别，正常对照组用数据1表示，病例组用数据2表示；变量2是疗效等分类变量，用1表示分类属性1，用2表示分类属性2，还有一个变量3是权重，例数数据录入完成后，先

显著度由你决定，一般定为0.05，或5%。这表示5%的总时间内研究结果会因为完全随机而偏离你的猜想，而剩余95%的时间内都符合你的猜想。

意义：P值=假设是正确但是被拒绝的概率=阴性个数/总个数，是对与样本数据的一个检验概率；Q值=被拒绝但却是正确的概率=假阳性/推测为阳性的个数，是对你得到的推论的一种检验概率，是基于P值计算出来的。可以说Q值是对P值的再统计。具体计算你在

这个例子里，5%时间内会数据因为完全随机而偏离猜想，95%时间内的结果都符合你的猜想。

1、打开EXCEL软件，点击打开插入中的“插入函数”选项。 2、找到函数FDIST，如下图： 3、然后输入相应值，其中X是用来计算t分布的值，则在此处输入已知的F值；Deg_freedom项填的是已知的自由度；Degrees_freedom2 分母自由度。根据需求填，此处以1

第4步：用一个卡方分布表来找到P值。

假设第一组野生型的患病率是p1,第二组是p2 所以你的原假设就是p1=p2 枢轴变量T = (实际比例1-实际比例2)/根号(方差1+方差2) ~ N(0,1) 标准正态分布实际比例1=36/185 实际比例2=12/65 方差1=实际比例1×（1-实际比例1）/n1=36

卡方分布表会基于自由度和卡方值给出你的P值。这个表在网上或统计教科书中都有。不是所有卡方值都在分布表上有，所以找出最接近你卡方值的卡方值吧。

1、t指的是T检验，亦称student t检验（Student's t test），主要用于样本含量较小（n

例子中卡方值是 2.970075。按照表中信息，P值是 0.10。因此样本研究不会显著偏于期望值，因此不能证明“红车拿罚单比蓝车拿得多”的猜想是假的。

就是两个数相除，例如，治疗组41人中，有效40人，40/41=97.56%; 对照组41人中，治愈13人，13/41=31.7%.

小提示

用个科学计算器可以让计算过程快得多。在网上也可以找到计算器。

P值其实就是按照抽样分布计算的一个概率值，这个值是根据检验统计量计算出来的。通过直接比较P值与给定的显著性水平a的大小就可以知道是否拒绝假设，显然这就代替了比较检验统计量的值与临界值的大小的方法。而且通过这种方法，我们还可以知道

可以用各种软件计算P值。包括一般使用的制表软件或更专业的统计软件等等。

P-value就是对某个值x0依照你所假设的分布X>=x0的概率例如，假设服从二项分布，患病率为1/3，则测得两个患病的p-value就是两个患病的概率+三个都患病的概率=C3,2（1/3）^2*(2/3)+（1/3）^3你这里没说两组小鼠做的是什么检测，零假设是什么，不过

参考

http://www.southalabama.edu/coe/bset/johnson/studyq/sq16.htm

卡方检验你的数据应该用交叉列联表做，数据录入格式为：建立两个变量，变量1是组别，正常对照组用数据1表示，病例组用数据2表示；变量2是疗效等分类变量，用1表示分类属性1，用2表示分类属性2，还有一个变量3是权重，例数数据录入完成后，先

http://www2.lv.psu.edu/jxm57/irp/chisquar.html

结果的统计学意义是结果真实程度（能够代表总体）的一种估计方法。 P值的计算公式是 =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；其中，Φ(z0)要查表得到。 z0=（x-n*p0）

http://www.csulb.edu/~msaintg/ppa696/696stsig.htm#4) The Chi Square Test

P值来源于六西格玛管理，是用来判定假设检验结果的一个参数，也可以根据不同的分布使用分布的拒绝域进行比较。一、意义 P值（P value）就是当原假设为真时所得到的样本观察结果或更极端结果出现的概率。如果P值很小，说明原假设情况的发生的概

http://faculty.vassar.edu/lowry/tabs.html#z

Microsoft Excel 提供了一组数据分析工具，称为“分析工具库”，在建立复杂统计或工程分析时可节省步骤。只需为每一个分析工具提供必要的数据和参数，该工具就会使用适当的统计或工程宏函数，在输出表格中显示相应的结果。其中有些工具在生成输出

http://www.okstate.edu/ag/agedcm4h/academic/aged5980a/5980/newpage28.htm

这是谁给你出的题？他忽略了最重要的一点：P值即为拒绝域的面积或概率。没有原始假设，怎么来的拒绝呢？ P值是最小的可以否定假设的一个值。这里需要一个原始假设。不然一个数值没法比较，更遑论最小的否定值了。从现在开始，注意大小写的p概

http://faculty.vassar.edu/lowry/ch8pt1.html

统计学意义（p值）ZT 结果的统计学意义是结果真实程度（能够代表总体）的一种估计方法。专业上，p值为结果可信程度的一个递减指标，p值越大，我们越不能认为样本中变量的关联是总体中各变量关联的可靠指标。p值是将观察结果认为有效即具有总体代

扩展阅读，以下内容您可能还感兴趣。

P值如何计算

简介

假设检验是推断统计中的一项重要内容。用SAS、SPSS等专业统计软件进行假设检验，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 为显著， P <0.01 为非常显著，其含义是样本间的差异由抽样误差所致的概率小于0.05 或0.01。实际上，P 值不能赋予数据任何重要性，只能说明某事件发生的机率。 P < 0.01 时样本间的差异比P < 0.05 时更大，这种说法是错误的。统计结果中显示Pr > F，也可写成Pr( >F)，P = P{ F0.05 > F}或P = P{ F0.01 > F}。

下面的内容列出了P值计算方法

(1) P值是： 1) 一种概率，一种在原假设为真的前提下出现观察样本以及更极端情况的概率。 2) 拒绝原假设的最小显著性水平。 3) 观察到的(实例的) 显著性水平。 4) 表示对原假设的支持程度，是用于确定是否应该拒绝原假设的另一种方法。 (2) P 值的计算：一般地，用X 表示检验的统计量，当H0 为真时，可由样本数据计算出该统计量的值C ，根据检验统计量X 的具体分布，可求出P 值。具体地说: 左侧检验的P 值为检验统计量X 小于样本统计值C 的概率，即:P = P{ X < C} 右侧检验的P 值为检验统计量X 大于样本统计值C 的概率:P = P{ X > C} 双侧检验的P 值为检验统计量X 落在样本统计值C 为端点的尾部区域内的概率的2 倍: P = 2P{ X > C} (当C位于分布曲线的右端时) 或P = 2P{ X< C} (当C 位于分布曲线的左端时) 。若X 服从正态分布和t分布，其分布曲线是关于纵轴对称的，故其P 值可表示为P = P{| X| > C} 。计算出P 值后，将给定的显著性水平α与P 值比较，就可作出检验的结论: 如果α > P 值，则在显著性水平α下拒绝原假设。如果α ≤ P 值，则在显著性水平α下接受原假设。在实践中，当α = P 值时，也即统计量的值C 刚好等于临界值，为慎重起见，可增加样本容量，重新进行抽样检验。整理自：樊冬梅，假设检验中的P值. 郑州经济管理干部学院学报，2002，韩志霞, 张玲，P 值检验和假设检验。边疆经济与文化，2006中国航天工业医药,1999

P值是怎么来的

从某总体中抽 ⑴、这一样本是由该总体抽出，其差别是由抽样误差所致； ⑵、这一样本不是从该总体抽出，所以有所不同。如何判断是那种原因呢？统计学中用显著性检验赖判断。其步骤是： ⑴、建立检验假设（又称无效假设，符号为H0）：如要比较A药和B药的疗效是否相等，则假设两组样本来自同一总体，即A药的总体疗效和B药相等，差别仅由抽样误差引起的碰巧出现的。⑵、选择适当的统计方法计算H0成立的可能性即概率有多大，概率用P值表示。⑶、根据选定的显著性水平（0.05或0.01），决定接受还是拒绝H0。如果P＞0.05，不能否定“差别由抽样误差引起”，则接受H0；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H0，则可以接受令一种可能性的假设（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。

统计学上规定的P值意义见下表

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

注意要点

理解P值，下述几点必须注意： 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。哪种将“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。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

参考资料：http://baike.baidu.com/view/2968102.htm

spss怎么计算p值和卡方检验？

卡方检验

你的数据应该用交叉列联表做，数据录入格式为：建立两个变量，变量1是组别，

正常对照组用数据1表示，病例组用数据2表示；变量2是疗效等分类变量，用1表示分类属性1，用2表示分类属性2，

还有一个变量3是权重，例数

数据录入完成后，先加权频数后点analyze-descriptive statistics-crosstabs-把变量1选到rows里

，把变量2选到column里，然后点击下面的statistics，打开对话框，勾选chi-squares，

然后点continue，再点ok，出来结果的第3个表就是你要的卡方检验，第一行第一个数是卡方值，

后面是自由度，然后是P值。追问不要百度答案

巴斯模型的P值与Q值怎么算

意义：P值=假设是正确但是被拒绝的概率=阴性个数/总个数，是对与样本数据的一个检验概率；Q值=被拒绝但却是正确的概率=假阳性/推测为阳性的个数，是对你得到的推论的一种检验概率，是基于P值计算出来的。可以说Q值是对P值的再统计。具体计算你在google上输入QVALUE R package,就会找到一个小的计算包，用起来很简单。追问那如何用巴斯模型来进行销售的一个预测呢？

在EXCEL中如何运用F值和自由度如何计算P值

1、打开EXCEL软件，点击打开插入中的“插入函数”选项。

2、找到函数FDIST，如下图：

3、然后输入相应值，其中X是用来计算t分布的值，则在此处输入已知的F值；Deg_freedom项填的是已知的自由度；Degrees_freedom2 分母自由度。根据需求填，此处以1为例：

4、最终计算结果见下图。

p值如何计算

假设第一组野生型的患病率是p1,第二组是p2

所以你的原假设就是p1=p2

枢轴变量T = (实际比例1-实际比例2)/根号(方差1+方差2) ~ N(0,1) 标准正态分布

实际比例1=36/185

实际比例2=12/65

方差1=实际比例1×（1-实际比例1）/n1=36/185×149/185×1/185=0.0008471