ggdh
P值在统计学中意义P=20/120=167>05 给分啊~~~ 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表性的犯错概率。如p=05提示样本中变量关联有5%的可能是由于偶然性造成的。即假设总体中任意变量间均无关联，我们重复类似实验，会发现约20个实验中有一个实验，我们所研究的变量关联将等于或强于我们的实验结果。（这并不是说如果变量间存在关联，我们可得到5%或95%次数的相同结果，当总体中的变量存在关联，重复研究和发现关联的可能性与设计的统计学效力有关。）在许多研究领域，05的p值通常被认为是可接受错误的边界水平。 如何判定结果具有真实的显著性：在最后结论中判断什么样的显著性水平具有统计学意义，不可避免地带有武断性。换句话说，认为结果无效而被拒绝接受的水平的选择具有武断性。实践中，最后的决定通常依赖于数据集比较和分析过程中结果是先验性还是仅仅为均数之间的两两>比较，依赖于总体数据集里结论一致的支持性证据的数量，依赖于以往该研究领域的惯例。通常，许多的科学领域中产生p值的结果≤05被认为是统计学意义的边界线，但是这显著性水平还包含了相当高的犯错可能性。结果05≥p>01被认为是具有统计学意义，而01≥p≥001被认为具有高度统计学意义。但要注意这种分类仅仅是研究基础上非正规的判断常规。给分给分给分给分给分给分给分给分啊~~！！！！ 
根据题意用构成比的卡方检验就可以计算，前提是要给出理论频数，表里目前未知。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值的大小和实际问题来解决。扩展资料：P值（P value）就是当原假设为真时，比所得到的样本观察结果更极端的结果出现的概率。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，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，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”需要自己根据P值的大小和实际问题来解决。参考资料来源：百度百科-P值
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概念不同的。假设检验，这里应该是比例检验（p检验，检验满意度，这是个百分比值）P值是最小的可以否定假设的一个值。并不是简单相除就完了。这个实验应该是：“某人说，满意度应该是80%，即p0=8。然后我们做了这个实验，测试了120个人，100个满意，20个不满意”但是这样我们能说满意度是100/120=3%么？显然不能，因为对于整个顾客群来说，你抽样测试的群体太小了。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）/(根号下（np0(1-p0)）)最后，当P值小于某个显著参数的时候（常用05，标记为α，给你出题那个人，可能混淆了这两个概念）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
这个P值一般都是软件算出的，P《05，就是落在了拒接域的范围，等于015故拒接原假设。转化为P值来判断。=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。扩展资料统计学中回归分析的主要内容为：1、从一组数据出发，确定某些变量之间的定量关系式，即建立数学模型并估计其中的未知参数。估计参数的常用方法是最小二乘法。2、对这些关系式的可信程度进行检验。
