QQQQQ 2009年1月1日发布 #1 2009年1月1日星期四 09点39分 我的学科要用到统计学方面的一些知识,最近在看统计书时,里面提到P值,但是,讲的不是很细,琢磨了好久都没理解。其他统计方面的书里更本不提P值。 所以请大家指教,谢谢!
hexm26 2009年1月4日发布 #2 2009年1月4日星期日 06点02分 P值是基于原假设(比如说回归模型中的参数实际为零)的假定,而你根据数据和事先设定的原则对这个假定给于拒绝后,你所可能犯下一个错误的可能性大小。既然是错误的概率,越小你就越有把握去拒绝原假设;但如果P值比较大,你最好谨慎点,而不去拒绝假定的原假设。
jerryhui106 2009年1月7日发布 #3 2009年1月7日星期三 07点35分 还有就一般认为0.1或者0.05为常见值,比如某个分析结果是0.02小于0.05,那我们就可以认为拒绝原假设啊
fdbsjhc 2009年1月7日发布 #6 2009年1月7日星期三 13点45分 如果弄明白了 p 值、犯第一类错误的概率、拒绝域等概念之间的关系,大概就对 p 值有比较清楚的理解了。 上面提到的书的确是我读过的第一本对 p 值解释得简单而清楚的书,去图书馆借来看看吧。
zhwzh73 2009年1月12日发布 #7 2009年1月12日星期一 15点27分 我的理解:P值就是由原假设为真时推论的样本结果,与实际观察的样本结果相一致的概率。如果P值很小,说明实际观察的样本结果与推论的样本结果相一致的概率很低,在事实面前,这个原假设是否合理就值得怀疑。P值越小,怀疑的可信性越强,证据越充分。
libryant 2009年1月14日发布 #8 2009年1月14日星期三 09点34分 现在假设你接受了一个 原假设 然后我们用现有的数据检验这个假设是否正确 在这个原假设成立的条件下 如果得到现有观测值的概率非常小 我们可以说小概率事件 在一次实验中不可能发生 而现在这个小概率事件发生了 那么说明 数据不是来自我们假设的那个分布 从而拒绝原假设 p值 就是 原假设成立的条件下 得到比现有观测数据更极端的观测值的概率 如果这个p值很小 说明 原假设不成立
pklin 2009年1月22日发布 #9 2009年1月22日星期四 06点08分 全面的说,p值算法是 1. 原假设(H0:x1==x2) 2. 套上合适回答原假设的数学统计模型(t/F/chi-square tests),算出个统计值 3. 从相关的分布把此统计值转换到所谓的灵异空间(0,1) 所以p值不止是受“原假设”(H0:x1==x2)的影响。我们在计算过程用到的假设(误差正态分布,使用模型合适,等等)也会影响到它。 换句话说,p值应该是实际观察样本合乎所有假设成立的“可信度”(不是概率)。
冰儿2009年2月25日发布 #10 2009年2月25日星期三 14点53分 可以参考这两篇文章: http://cos.name/2008/12/p-value/ http://cos.name/2008/12/p-value-notes/
dingpeng2009年2月25日发布 #11 2009年2月25日星期三 15点41分 直观理解即可,以t-test为例。 精确的定义很拗口,甚至有个精妙的结论,H-0下,p value~uniform(0,1)。
wumaths 2009年3月6日发布 #13 2009年3月6日星期五 05点26分 通俗来说,p值就是拒绝原假设要冒的风险。 值越小,小风险可以接受,就拒绝;否则就无法拒绝。 这种解释可以辅助理解,但是并不严格~
sailorchqy 2009年7月16日发布 #15 2009年7月16日星期四 02点36分 本人以为这种理解比较合理: “p值 就是 原假设成立的条件下 得到比现有观测数据更极端的观测值的概率 如果这个p值很小 说明 原假设不成立。通俗来说,p值就是拒绝原假设要冒的风险。”
yanlinlin822009年7月31日发布 #17 2009年7月31日星期五 14点02分 看了一圈,结合主站上的这两篇文章,还有wikipedia上给出的定义(http://en.wikipedia.org/wiki/P-value),才勉强搞明白p值的定义,再回过来看大家的发言,才发现原来很多人跟我一样不懂。 [s:11]
半亩地 2009年8月18日发布 #18 2009年8月18日星期二 09点22分 [quote]引用第15楼dengyishuo于2009-07-30 12:45发表的 回 楼主(QQQQQ) 的帖子 : 推荐你看一下马景义老师写的《小议假设检验史上的两种理论——基于两种p值定义》,我可以发给你。 [/quote] 我想看一下这篇文章,我的邮箱是hbxjzx28814@163.com,谢谢
xiangzi525 2009年9月29日发布 #20 2009年9月29日星期二 04点30分 [quote]引用第7楼libryant于2009-01-14 17:34发表的 : 现在假设你接受了一个 原假设 然后我们用现有的数据检验这个假设是否正确 在这个原假设成立的条件下 如果得到现有观测值的概率非常小 我们可以说小概率事件 在一次实验中不可能发生 而现在这个小概率事件发生了 那么说明 数据不是来自我们假设的那个分布 从而拒绝原假设 p值 就是 原假设成立的条件下 得到比现有观测数据更极端的观测值的概率 如果这个p值很小 说明 原假设不成立 [/quote] 这一概括还是相当准确的!
hexm26 P值是基于原假设(比如说回归模型中的参数实际为零)的假定,而你根据数据和事先设定的原则对这个假定给于拒绝后,你所可能犯下一个错误的可能性大小。既然是错误的概率,越小你就越有把握去拒绝原假设;但如果P值比较大,你最好谨慎点,而不去拒绝假定的原假设。
fdbsjhc 如果弄明白了 p 值、犯第一类错误的概率、拒绝域等概念之间的关系,大概就对 p 值有比较清楚的理解了。 上面提到的书的确是我读过的第一本对 p 值解释得简单而清楚的书,去图书馆借来看看吧。
zhwzh73 我的理解:P值就是由原假设为真时推论的样本结果,与实际观察的样本结果相一致的概率。如果P值很小,说明实际观察的样本结果与推论的样本结果相一致的概率很低,在事实面前,这个原假设是否合理就值得怀疑。P值越小,怀疑的可信性越强,证据越充分。
libryant 现在假设你接受了一个 原假设 然后我们用现有的数据检验这个假设是否正确 在这个原假设成立的条件下 如果得到现有观测值的概率非常小 我们可以说小概率事件 在一次实验中不可能发生 而现在这个小概率事件发生了 那么说明 数据不是来自我们假设的那个分布 从而拒绝原假设 p值 就是 原假设成立的条件下 得到比现有观测数据更极端的观测值的概率 如果这个p值很小 说明 原假设不成立
pklin 全面的说,p值算法是 1. 原假设(H0:x1==x2) 2. 套上合适回答原假设的数学统计模型(t/F/chi-square tests),算出个统计值 3. 从相关的分布把此统计值转换到所谓的灵异空间(0,1) 所以p值不止是受“原假设”(H0:x1==x2)的影响。我们在计算过程用到的假设(误差正态分布,使用模型合适,等等)也会影响到它。 换句话说,p值应该是实际观察样本合乎所有假设成立的“可信度”(不是概率)。
sailorchqy 本人以为这种理解比较合理: “p值 就是 原假设成立的条件下 得到比现有观测数据更极端的观测值的概率 如果这个p值很小 说明 原假设不成立。通俗来说,p值就是拒绝原假设要冒的风险。”
yanlinlin82 看了一圈,结合主站上的这两篇文章,还有wikipedia上给出的定义(http://en.wikipedia.org/wiki/P-value),才勉强搞明白p值的定义,再回过来看大家的发言,才发现原来很多人跟我一样不懂。 [s:11]
半亩地 [quote]引用第15楼dengyishuo于2009-07-30 12:45发表的 回 楼主(QQQQQ) 的帖子 : 推荐你看一下马景义老师写的《小议假设检验史上的两种理论——基于两种p值定义》,我可以发给你。 [/quote] 我想看一下这篇文章,我的邮箱是hbxjzx28814@163.com,谢谢
xiangzi525 [quote]引用第7楼libryant于2009-01-14 17:34发表的 : 现在假设你接受了一个 原假设 然后我们用现有的数据检验这个假设是否正确 在这个原假设成立的条件下 如果得到现有观测值的概率非常小 我们可以说小概率事件 在一次实验中不可能发生 而现在这个小概率事件发生了 那么说明 数据不是来自我们假设的那个分布 从而拒绝原假设 p值 就是 原假设成立的条件下 得到比现有观测数据更极端的观测值的概率 如果这个p值很小 说明 原假设不成立 [/quote] 这一概括还是相当准确的!