假设检验中的p值是什么意思?为什么越小越好?

  统计/机器学习 假设检验    浏览次数:44109        分享
1

我们做假设检验的时候,往往是希望p value越小越好。这个p value到底是什么意思呢?为什么越小越好?

 

LeBron   2017-02-26 15:40



   3个回答 
4

并没有好坏之分,p值越小说明我们越有信心拒绝零假设。

p值本身是一个概率:在零假设下,观测值或者有甚于观测值发生的概率。这个概率越小,我们越趋近拒绝零假设。

这里比较特殊的是所谓的“有甚于”。比如说我们有一个正态分布,我们的零假设是这个分布的期望是0,对立假设是期望不等于0。我们从这个分布里随机取了100个数作为样本,这一百个数的均值是1。那p值就是在这个正态分布期望为0的前提下,这个样本的均值等于正负1,或者大于1,或者小于-1的概率。有甚于在这里就是大于1或者小于-1的意思。


SofaSofa数据科学社区DS面试题库 DS面经

MrMath   2017-06-12 10:26

2

p值是原假设为真的前提下出现观察样本以及更极端情况的概率。

所以p值的范围是0到1。

p值越小,我们越倾向于拒绝原假设。


SofaSofa数据科学社区DS面试题库 DS面经

道画师   2017-11-22 07:59

2

p value是犯Type I error的概率。

SofaSofa数据科学社区DS面试题库 DS面经

matt   2018-09-02 12:41



  相关讨论

单因素方差分析(one-way anova)在使用时需要有什么前提假设条件吗?

T检验需要提前假设吗?

假设检验的效力是什么?

怎么利用假设检验判断两个骰子是相同的?

怎么对两个样本的方差进行假设检验

线性回归因变量y不满足正态性假设

线性回归需要满足哪些基本前提假设

线性回归随机误差项不满足基本假设会怎样?

逻辑回归的前提假设是什么?

树模型有哪些假设?比如,对样本数据的分布有做假设吗?

  随便看看

spark里怎么refresh表?

协方差矩阵一定是满秩的吗?

numpy.full这个函数有什么用?

修正R方(adjusted R square)是什么?

线性回归是机器学习算法吗?