怎麼計算p值
P值（P value）就是當原假設為真時所得到的樣本觀察結果或更極端結果出現的概率。如果P值很小，説明原假設情況的發生的概率很小，而如果出現了，根據小概率原理，我們就有理由拒絕原假設，P值越小，我們拒絕原假設的理由越充分。 總之，P值越小
P值又叫概率值，是讓科學家驗證猜想是否成功的一個數值。這個值和顯著性水平有直接關係，後者是驗證科學研究的數據是否有統計上的顯著性的重要指標。可以畫個表，在計算其他統計值以後來找出P值。卡方是其中要先找出的統計值之一。
P值的計算公式是 =2[1-Φ(z0)] 當被測假設H1為 p不等於p0時； =1-Φ(z0) 當被測假設H1為 p大於p0時； =Φ(z0) 當被測假設H1為 p小於p0時； 總之，P值越小，表明結果越顯著。但是檢驗的結果究竟是“顯著的”、“中度顯著的”還是“高度顯著的”需要根據P值
第1步：計算卡方，比較兩組數據。
假設第一組野生型的患病率是p1,第二組是p2 所以你的原假設就是p1=p2 樞軸變量T = (實際比例1-實際比例2)/根號(方差1+方差2) ~ N(0,1) 標準正態分佈 實際比例1=36/185 實際比例2=12/65 方差1=實際比例1×（1-實際比例1）/n1=36
表達式是： (|o-e|-.05)^2/e 。o是觀察數據或實際數據，e是期望值。比如要驗證“紅車司機比藍車司機要更容易得超速罰單”。
統計學意義（p值）ZT 結果的統計學意義是結果真實程度（能夠代表總體）的一種估計方法。專業上，p值為結果可信程度的一個遞減指標，p值越大，我們越不能認為樣本中變量的關聯是總體中各變量關聯的可靠指標。p值是將觀察結果認為有效即具有總體代
要按過去的研究調查來決定期望值。比如，你過去發現紅車得罰單的概率是藍車的兩倍，所以在總數150的數據假設中，你期望的是100輛紅車得罰單，50輛藍車得罰單。
1、打開相關軟件，輸入要求的兩組數據。 2、隨便選擇一個空白表格，並點擊函數fx。 3、在選擇類別為統計以後，確定函數為TTEST。 4、分別點擊第一組和第二組數值並選中第一組和第二組方框數據，注意尾數和類型都輸入2。 5、通過確定第四步的操作
用卡方式。由於觀察到90輛紅車、60輛藍車得罰單，得出卡方為2.970075。
簡介 假設檢驗是推斷統計中的一項重要內容。用SAS、SPSS等專業統計軟件進行假設檢驗，在假設檢驗中常見到P 值( P-Value，Probability，Pr)，P 值是進行檢驗決策的另一個依據。 P 值即概率，反映某一事件發生的可能性大校統計學根據顯著性檢驗方
第2步：決定數據自由度。
假設第一組野生型的患病率是p1,第二組是p2 所以你的原假設就是p1=p2 樞軸變量T = (實際比例1-實際比例2)/根號(方差1+方差2) ~ N(0,1) 標準正態分佈 實際比例1=36/185 實際比例2=12/65 方差1=實際比例1×（1-實際比例1）/n1=36/185×149/185×1/185=
自由度是研究中涉及的變量個數，變量個數受到總類別數的。
假設第一組野生型的患病率是p1,第二組是p2 所以你的原假設就是p1=p2 樞軸變量T = (實際比例1-實際比例2)/根號(方差1+方差2) ~ N(0,1) 標準正態分佈 實際比例1=36/185 實際比例2=12/65 方差1=實際比例1×（1-實際比例1）/n1=36
這裏例子中自由度是1，因為卡方中自由度= n-1，n就是數據類別數（兩種不同的車，紅的和藍的。）
簡介 假設檢驗是推斷統計中的一項重要內容。用SAS、SPSS等專業統計軟件進行假設檢驗，在假設檢驗中常見到P 值( P-Value，Probability，Pr)，P 值是進行檢驗決策的另一個依據。 P 值即概率，反映某一事件發生的可能性大校統計學根據顯著性檢驗方
第3步：選擇顯著度。
卡方檢驗 你的數據應該用交叉列聯表做，數據錄入格式為：建立兩個變量，變量1是組別， 正常對照組用數據1表示，病例組用數據2表示；變量2是療效等分類變量，用1表示分類屬性1，用2表示分類屬性2， 還有一個變量3是權重，例數 數據錄入完成後，先
顯著度由你決定，一般定為0.05，或5%。這表示5%的總時間內研究結果會因為完全隨機而偏離你的猜想，而剩餘95%的時間內都符合你的猜想。
意義：P值=假設是正確但是被拒絕的概率=陰性個數/總個數，是對與樣本數據的一個檢驗概率；Q值=被拒絕但卻是正確的概率=假陽性/推測為陽性的個數，是對你得到的推論的一種檢驗概率，是基於P值計算出來的。可以説Q值是對P值的再統計。具體計算你在
這個例子裏，5%時間內會數據因為完全隨機而偏離猜想，95%時間內的結果都符合你的猜想。
1、打開EXCEL軟件，點擊打開插入中的“插入函數”選項。 2、找到函數FDIST，如下圖： 3、然後輸入相應值，其中X是用來計算t分佈的值，則在此處輸入已知的F值；Deg_freedom項填的是已知的自由度；Degrees_freedom2 分母自由度。根據需求填，此處以1
第4步：用一個卡方分佈表來找到P值。
假設第一組野生型的患病率是p1,第二組是p2 所以你的原假設就是p1=p2 樞軸變量T = (實際比例1-實際比例2)/根號(方差1+方差2) ~ N(0,1) 標準正態分佈 實際比例1=36/185 實際比例2=12/65 方差1=實際比例1×（1-實際比例1）/n1=36
卡方分佈表會基於自由度和卡方值給出你的P值。這個表在網上或統計教科書中都有。不是所有卡方值都在分佈表上有，所以找出最接近你卡方值的卡方值吧。
1、t指的是T檢驗，亦稱student t檢驗（Student's t test），主要用於樣本含量較小（n
例子中卡方值是 2.970075。按照表中信息，P值是 0.10。因此樣本研究不會顯著偏於期望值，因此不能證明“紅車拿罰單比藍車拿得多”的猜想是假的。
就是兩個數相除，例如，治療組41人中，有效40人，40/41=97.56%; 對照組41人中，治癒13人，13/41=31.7%.
小提示
用個科學計算器可以讓計算過程快得多。在網上也可以找到計算器。
P值其實就是按照抽樣分佈計算的一個概率值，這個值是根據檢驗統計量計算出來的。通過直接比較P值與給定的顯著性水平a的大小就可以知道是否拒絕假設，顯然這就代替了比較檢驗統計量的值與臨界值的大小的方法。 而且通過這種方法，我們還可以知道
可以用各種軟件計算P值。包括一般使用的製表軟件或更專業的統計軟件等等。
P-value就是對某個值x0依照你所假設的分佈X>=x0的概率例如，假設服從二項分佈，患病率為1/3，則測得兩個患病的p-value就是兩個患病的概率+三個都患病的概率=C3,2（1/3）^2*(2/3)+（1/3）^3你這裏沒説兩組小鼠做的是什麼檢測，零假設是什麼，不過
參考
http://www.southalabama.edu/coe/bset/johnson/studyq/sq16.htm
卡方檢驗 你的數據應該用交叉列聯表做，數據錄入格式為：建立兩個變量，變量1是組別， 正常對照組用數據1表示，病例組用數據2表示；變量2是療效等分類變量，用1表示分類屬性1，用2表示分類屬性2， 還有一個變量3是權重，例數 數據錄入完成後，先
http://www2.lv.psu.edu/jxm57/irp/chisquar.html
結果的統計學意義是結果真實程度（能夠代表總體）的一種估計方法。 P值的計算公式是 =2[1-Φ(z0)] 當被測假設H1為 p不等於p0時； =1-Φ(z0) 當被測假設H1為 p大於p0時； =Φ(z0) 當被測假設H1為 p小於p0時； 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值來源於六西格瑪管理，是用來判定假設檢驗結果的一個參數，也可以根據不同的分佈使用分佈的拒絕域進行比較。 一、意義 P值（P value）就是當原假設為真時所得到的樣本觀察結果或更極端結果出現的概率。如果P值很小，説明原假設情況的發生的概
http://faculty.vassar.edu/lowry/tabs.html#z
Microsoft Excel 提供了一組數據分析工具，稱為“分析工具庫”，在建立複雜統計或工程分析時可節省步驟。只需為每一個分析工具提供必要的數據和參數，該工具就會使用適當的統計或工程宏函數，在輸出表格中顯示相應的結果。其中有些工具在生成輸出
http://www.okstate.edu/ag/agedcm4h/academic/aged5980a/5980/newpage28.htm
這是誰給你出的題？ 他忽略了最重要的一點：P值即為拒絕域的面積或概率。沒有原始假設，怎麼來的拒絕呢？ P值是最小的可以否定假設的一個值。這裏需要一個原始假設。不然一個數值沒法比較，更遑論最小的否定值了。 從現在開始，注意大小寫的p概
http://faculty.vassar.edu/lowry/ch8pt1.html
統計學意義（p值）ZT 結果的統計學意義是結果真實程度（能夠代表總體）的一種估計方法。專業上，p值為結果可信程度的一個遞減指標，p值越大，我們越不能認為樣本中變量的關聯是總體中各變量關聯的可靠指標。p值是將觀察結果認為有效即具有總體代
擴展閲讀，以下內容您可能還感興趣。
P值如何計算
簡介
假設檢驗是推斷統計中的一項重要內容。用SAS、SPSS等專業統計軟件進行假設檢驗，在假設檢驗中常見到P 值( P-Value，Probability，Pr)，P 值是進行檢驗決策的另一個依據。 P 值即概率，反映某一事件發生的可能性大小。統計學根據顯著性檢驗方法所得到的P 值，一般以P < 0.05 為顯著， P <0.01 為非常顯著，其含義是樣本間的差異由抽樣誤差所致的概率小於0.05 或0.01。實際上，P 值不能賦予數據任何重要性，只能説明某事件發生的概率。 P < 0.01 時樣本間的差異比P < 0.05 時更大，這種説法是錯誤的。統計結果中顯示Pr > F，也可寫成Pr( >F)，P = P{ F0.05 > F}或P = P{ F0.01 > F}。
下面的內容列出了P值計算方法
(1) P值是： 1) 一種概率，一種在原假設為真的前提下出現觀察樣本以及更極端情況的概率。 2) 拒絕原假設的最小顯著性水平。 3) 觀察到的(實例的) 顯著性水平。 4) 表示對原假設的支持程度，是用於確定是否應該拒絕原假設的另一種方法。 (2) P 值的計算： 一般地，用X 表示檢驗的統計量，當H0 為真時，可由樣本數據計算出該統計量的值C ，根據檢驗統計量X 的具體分佈，可求出P 值。具體地説: 左側檢驗的P 值為檢驗統計量X 小於樣本統計值C 的概率，即:P = P{ X < C} 右側檢驗的P 值為檢驗統計量X 大於樣本統計值C 的概率:P = P{ X > C} 雙側檢驗的P 值為檢驗統計量X 落在樣本統計值C 為端點的尾部區域內的概率的2 倍: P = 2P{ X > C} (當C位於分佈曲線的右端時) 或P = 2P{ X< C} (當C 位於分佈曲線的左端時) 。若X 服從正態分佈和t分佈，其分佈曲線是關於縱軸對稱的，故其P 值可表示為P = P{| X| > C} 。 計算出P 值後，將給定的顯著性水平α與P 值比較，就可作出檢驗的結論: 如果α > P 值，則在顯著性水平α下拒絕原假設。 如果α ≤ P 值，則在顯著性水平α下接受原假設。 在實踐中，當α = P 值時，也即統計量的值C 剛好等於臨界值，為慎重起見，可增加樣本容量，重新進行抽樣檢驗。 整理自： 樊冬梅，假設檢驗中的P值. 鄭州經濟管理幹部學院學報，2002，韓志霞, 張 玲，P 值檢驗和假設檢驗。邊疆經濟與文化，2006中國航天工業醫藥,1999
P值是怎麼來的
從某總體中抽 ⑴、這一樣本是由該總體抽出，其差別是由抽樣誤差所致； ⑵、這一樣本不是從該總體抽出，所以有所不同。 如何判斷是那種原因呢？統計學中用顯著性檢驗賴判斷。其步驟是： ⑴、建立檢驗假設（又稱無效假設，符號為H0）：如要比較A藥和B藥的療效是否相等，則假設兩組樣本來自同一總體，即A藥的總體療效和B藥相等，差別僅由抽樣誤差引起的碰巧出現的。⑵、選擇適當的統計方法計算H0成立的可能性即概率有多大，概率用P值表示。⑶、根據選定的顯著性水平（0.05或0.01），決定接受還是拒絕H0。如果P＞0.05，不能否定“差別由抽樣誤差引起”，則接受H0；如果P＜0.05或P ＜0.01，可以認為差別不由抽樣誤差引起，可以拒絕H0，則可以接受令一種可能性的假設（又稱備選假設，符號為H1），即兩樣本來自不同的總體，所以兩藥療效有差別。
統計學上規定的P值意義見下表
P值 碰巧的概率 對無效假設 統計意義
P＞0.05 碰巧出現的可能性大於5% 不能否定無效假設 兩組差別無顯著意義
P＜0.05 碰巧出現的可能性小於5% 可以否定無效假設 兩組差別有顯著意義
P ＜0.01 碰巧出現的可能性小於1% 可以否定無效假設 兩者差別有非常顯著意義
注意要點
理解P值，下述幾點必須注意： ⑴P的意義不表示兩組差別的大小，P反映兩組差別有無統計學意義，並不表示差別大小。因此，與對照組相比，C藥取得P＜0.05，D藥取得P ＜0.01並不表示D的藥效比C強。 ⑵ P＞0.05時，差異無顯著意義，根據統計學原理可知，不能否認無效假設，但並不認為無效假設肯定成立。在藥效統計分析中，更不表示兩藥等效。哪種將“兩組差別無顯著意義”與“兩組基本等效”相同的做法是缺乏統計學依據的。 ⑶統計學主要用上述三種P值表示，也可以計算出確切的P值，有人用P ＜0.001，無此必要。 ⑷顯著性檢驗只是統計結論。判斷差別還要根據專業知識。樣所得的樣本，其統計量會與總體參數有所不同，這可能是由於兩種原因
參考資料：http://baike.baidu.com/view/2968102.htm
spss怎麼計算p值和卡方檢驗？
卡方檢驗
你的數據應該用交叉列聯表做，數據錄入格式為：建立兩個變量，變量1是組別，
正常對照組用數據1表示，病例組用數據2表示；變量2是療效等分類變量，用1表示分類屬性1，用2表示分類屬性2，
還有一個變量3是權重，例數
數據錄入完成後，先加權頻數後點analyze-descriptive statistics-crosstabs-把變量1選到rows裏
，把變量2選到column裏，然後點擊下面的statistics，打開對話框，勾選chi-squares，
然後點continue，再點ok，出來結果的第3個表就是你要的卡方檢驗，第一行第一個數是卡方值，
後面是自由度，然後是P值。追問不要百度答案
巴斯模型的P值與Q值怎麼算
意義：P值=假設是正確但是被拒絕的概率=陰性個數/總個數，是對與樣本數據的一個檢驗概率；Q值=被拒絕但卻是正確的概率=假陽性/推測為陽性的個數，是對你得到的推論的一種檢驗概率，是基於P值計算出來的。可以説Q值是對P值的再統計。具體計算你在google上輸入QVALUE R package,就會找到一個小的計算包，用起來很簡單。追問那如何用巴斯模型來進行銷售的一個預測呢？
在EXCEL中如何運用F值和自由度如何計算P值
1、打開EXCEL軟件，點擊打開插入中的“插入函數”選項。
2、找到函數FDIST，如下圖：
3、然後輸入相應值，其中X是用來計算t分佈的值，則在此處輸入已知的F值；Deg_freedom項填的是已知的自由度；Degrees_freedom2 分母自由度。根據需求填，此處以1為例：
4、最終計算結果見下圖。
p值如何計算
假設第一組野生型的患病率是p1,第二組是p2
所以你的原假設就是p1=p2
樞軸變量T = (實際比例1-實際比例2)/根號(方差1+方差2) ~ N(0,1) 標準正態分佈
實際比例1=36/185
實際比例2=12/65
方差1=實際比例1×（1-實際比例1）/n1=36/185×149/185×1/185=0.0008471
方差2=實際比例2×（1-實際比例2）/n2=12/65×53/65×1/65=0.002316
T=0.1774 查正態分佈表得到P值是：2×(1-0.5675)=0.8650 沒有差異,完全沒有差異
為何×2？因為你的原假設是p1=p2 是雙側檢驗
