统计学p值的计算公式是什么？

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。

P<0.05时，认为差异有统计学意义”或者“显著性水平α=0.05”，指的是如果本研究统计推断得到的差异有统计学意义，那么该结果是“假阳性”的概率小于0.05。

扩展资料：

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下不拒绝原假设。

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。

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} 。

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；

其中，φ(z0)要查表得到。

z0=（x-n*p0）/(根号下（np0(1-p0)）)

最后，当p值小于某个显著参数的时候我们就可以否定假设。反之，则不能否定假设。

注意，这里p0是那个缺少的假设满意度，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

---