我对p值的概念感到困惑。一般来说，如果p值大于α，通常为0.05，我们就不能拒绝零假设，如果p值小于α，我们就会拒绝零假设。据我了解，如果p值大于alpha，两组之间的差异只是来自抽样误差或偶然。所以一切都还好。但是，如果p值小于alpha，结果具有统计显着性，我认为它统计上不显着（因为，如果p值较小比alpha我们拒绝原假设）。
基本上，如果结果具有统计显着性，则拒绝原假设。但是，如果假设具有统计显着性，那么如何拒绝该假设？从＆＃34;具有统计意义的＆＃34;这个词，我明白结果是好的。
答案 0 :(得分：4)
你误解了重要性在p值方面意味着什么。
我将尝试解释如下：
让我们假设一个关于两个人口平等的手段的测试。我们将进行t检验，通过从每个群体中抽取一个样本并计算p值来测试它。
零假设和替代方案：
H0: m1 - m2 = 0
H1: m1 - m2 != 0
这是一个双尾测试（尽管对此并不重要）。
我们假设您得到的{p值为0.01且您的alpha值为0.05。 p值是当从两个群体（m1和m2）采样时平均值相等的概率。这意味着平均值有1％的概率相等，换句话说，100个样本对中只有1个平均差异为0.
这两种方法相等的低概率使我们有信心（使我们确定）人口的均值不相等，因此我们认为结果具有统计显着性。
让我们认为结果重要的门槛是多少？这由显着性水平（a）决定，在这种情况下为5％。
p值低于显着性水平使我们认为结果是显着的，因此我们确信我们可以拒绝零假设，因为NULL假设的真实概率非常低。
我希望现在有意义！
答案 1 :(得分：0)
让我举一个我经常与学生一起使用的例子，以阐明无效假设，阿尔法和重要性的概念。
假设我们正在玩一轮扑克。我发牌，我们下注。嘿，幸运的我！我的第一只手就红了。您诅咒您的运气，我们再次交易。我得到另一个同花顺并获胜。另一回合，我又得到4个A：这时您踢桌子并给我作弊：“这是bs！您想抢我！”
让我们用概率来解释一下：第一手牌有可能会出现同花顺：任何人都可以幸运。连续两次幸运的可能性较小。终于有可能连续三回获得真正的幸运。但是对于第三张镜头，您要说：“您如此幸运的概率太小了。我拒绝您只是幸运的想法。我称呼您为骗子。”也就是说，您拒绝了原假设（即什么也没有发生的假设！）
在所有情况下，零假设都是：“我们正在观察的这件事是随机性的影响”。在我们的示例中，原假设表明：“我只是一个接一个地得到所有这些好手，因为我很幸运”
p值是与事件关联的值，假设事件是随机发生的。您可以计算出正确洗牌后获得好手牌的几率。举例来说：如果我扔了20枚硬币，那么我连续获得20个硬币的机会就是1 /（2 ^ 20）= 0.000000953（非常小）。那是连续20个头的p值，扔了20次。
“具有统计意义的意义”是指“此事件似乎很奇怪。偶然发生的可能性很小。因此，我将拒绝原假设。”
Alpha或临界p值是您“踢桌子”并拒绝原假设的魔点。在实验性应用程序中，您可以预先定义该值（例如，alpha = 0.05）。在我们的扑克示例中，您可以在三只幸运手之后或在十二只中的十只之后叫我作弊者，依此类推。这是概率的阈值。
答案 2 :(得分：0)
可以确定 p值，您至少应该了解无效假设和替代假设 空假设意味着以我们有2朵花为例，这表示它们之间没有显着差异 而另一种假设是说它们之间有显着差异
是的，大多数数据科学家认为p值的显着性值为0.05，但这是基于研究（显着性水平的值） 0.5 0.05 0.01 0.001 可以作为p值
好吧，现在您已经掌握了p值，但是下一步该怎么做
如果模型的p值是0.03，而显着值是0.05，则必须采取，因此您必须拒绝原假设，这意味着2朵花或所述简单花之间存在显着差异
模型的p值<显着高于拒绝水平
，并且您的模型p值大于显着性假设将要接受的重要水平。