1楼：mua小婷
p值和t值都是一个判断的标准，p值看起来很方便，而t值需要查表
一般来说，你用统计软件算出来的结果已经直接帮你把p值算好了，那你直接把p值和0.05去比较就行了；
如果你是手算，在课堂上做题目的话，p值是算不出的，一般来说能得到t值，这样你再去查表查对应的临界值进行比较。
反正得出的结果都是一样的，你在实际应用里的话都是用统计软件出结果的，直接看p值，很方便。
ps:在写统计学**的时候，如果你得到一个回归模型，那要在下方注明每个回归参数的t值而不是p值
统计中t值和p值的区别
2楼：千山鸟飞绝
统计中t值和p值的区别为：
1、t值，指的是t检验，主要用于样本含量较小（例如n<30），总体标准差σ未知的正态分布资料。t检验是用t分布理论来推论差异发生的概率，从而比较两个平均数的差异是否显著。
2、p值，就是当原假设为真时，所得到的样本观察结果或更极端结果出现的概率。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，我们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。
p值代表的是不接受原假设的最小的显著性水平，可以与选定的显著性水平直接比较。例如取5%的显著性水平，如果p值大于5%，就接受原假设，否则不接受原假设。这样不用计算t值，不用查表。
3、p值能直接跟显著性水平比较；而t值想要跟显著性水平比较，就得换算成p值，或者将显著性水平换算成t值。在相同自由度下，查t表所得t统计量值越大，其尾端概率p越小，两者是此消彼长的关系，但不是直线型负相关。
3楼：墨汁诺
一、t指的是t检验，亦称student t检验（student's t test），主要用于样本含量较小（例如n<30），总体标准差σ未知的正态分布资料
二、p值（p value）就是当原假设为真时所得到的样本观察结果或更极端结果出现的概率。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，我们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”需要我们自己根据p值的大小和实际问题来解决。
在相同自由度下，查t表所得t统计量值越大，其尾端概率p越小，两者是此消彼长的关系，但不是直线型负相关。
4楼：深蓝色的猫猫
t值就是这些统计检定值，与它们相对应的概率分布，就是t分布。统计显著性（sig）就是出现目前样本这结果的机率。
p值代表结果的可信程度，p越大，就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=0.
05提示样本中变量关联有5%的可能是由于偶然性造成的。
一般而言，为了确定从样本(sample)统计结果推论至总体时所犯错的概率，我们会利用统计学家所开发的一些统计方法，进行统计检定。
通过把所得到的统计检定值，与统计学家建立了一些随机变量的概率分布(probability distribution)进行比较，我们可以知道在多少%的机会下会得到目前的结果。倘若经比较后发现，出现这结果的机率很少，亦即是说，是在机会很少、很罕有的情况下才出现；那我们便可以有信心的说，这不是巧合，是具有统计学上的意义的(用统计学的话讲，就是能够拒绝虚无假设null hypothesis,ho)。相反，若比较后发现，出现的机率很高，并不罕见；那我们便不能很有信心的直指这不是巧合，也许是巧合，也许不是，但我们没能确定。
拓展资料
r·a·fisher（1890-1962）作为一代假设检验理论的创立者，在假设检验中首先提出p值的概念。他认为假设检验是一种程序，研究人员依照这一程序可以对某一总体参数形成一种判断。也就是说，他认为假设检验是数据分析的一种形式，是人们在研究中加入的主观信息。
（当时这一观点遭到了neyman-pearson的反对，他们认为假设检验是一种方法，决策者在不确定的条件下进行运作，利用这一方法可以在两种可能中作出明确的选择，而同时又要控制错误发生的概率。这两种方法进行长期且痛苦的论战。虽然fisher的这一观点同样也遭到了现代统计学家的反对，但是他对现代假设检验的发展作出了巨大的贡献。
）fisher的具体做法是：
假定某一参数的取值。
选择一个检验统计量(例如z 统计量或z 统计量) ，该统计量的分布在假定的参数取值为真时应该是完全已知的。
从研究总体中抽取一个随机样本计算检验统计量的值计算概率p值或者说观测的显著水平，即在假设为真时的前提下，检验统计量大于或等于实际观测值的概率。
如果p<0.01，说明是较强的判定结果，拒绝假定的参数取值。
如果0.01如果p值》0.05，说明结果更倾向于接受假定的参数取值。
可是，那个年代，由于硬件的问题，计算p值并非易事，人们就采用了统计量检验方法，也就是我们最初学的t值和t临界值比较的方法。统计检验法是在检验之前确定显著性水平α，也就是说事先确定了拒绝域。但是，如果选中相同的，所有检验结论的可靠性都一样，无法给出观测数据与原假设之间不一致程度的精确度量。
只要统计量落在拒绝域，假设的结果都是一样，即结果显著。但实际上，统计量落在拒绝域不同的地方，实际上的显著性有较大的差异。
因此，随着计算机的发展，p值的计算不再是个难题，使得p值变成最常用的统计指标之一。
5楼：匿名用户
统计中的梯子和壁纸是有本质上的区别。
统计分析中，p值和t值各是什么？
6楼：苏嘉爱娱乐
1、t值
t检验，亦称student t检验（student's t test），主要用于样本含量较小（例如n < 30），总体标准差σ未知的正态分布。
t检验是用t分布理论来推论差异发生的概率，从而比较两个平均数的差异是否显著。它与f检验、卡方检验并列。t检验是戈斯特为了观测酿酒质量而发明的,并于1908年在biometrika上公布 。
2、p值
p值是用来判定假设检验结果的一个参数，也可以根据不同的分布使用分布的拒绝域进行比较。由r·a·fisher首先提出。
p值（p value）就是当原假设为真时所得到的样本观察结果或更极端结果出现的概率。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，我们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。
扩展资料
实用举例
1、t检验可用于比较男女身高是否存在差别
为了进行独立样本t检验，需要一个自（分组）变量（如性别：男、女）与一个因变量（如身高测量值）。根据自变量的特定值，比较各组中因变量的均值。
用t检验比较下列男、女儿童身高的均值 。
假设h0：男平均身高 = 女平均身高
h1：男平均身高 ≠ 女平均身高
选用双侧检验：选用α=0.05的统计显著水平
2、p值
从研究总体中抽取一个随机样本计算检验统计量的值计算概率p值或者说观测的显著水平，即在假设为真时的前提下，检验统计量大于或等于实际观测值的概率。
如果p<0.01，说明是较强的判定结果，拒绝假定的参数取值。
如果0.01如果p值》0.05，说明结果更倾向于接受假定的参数取值。
7楼：那林子的小鸟
p值（p value）就是当原假设为真时所得到的样本观察结果或更极端结果出现的概率。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，我们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。
t指的是t检验，亦称student t检验（student's t test），主要用于样本含量较小（例如n<30），总体标准差σ未知的正态分布资料。
综合来说，p值更重要一点。
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=0.
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，0.
05的p值通常被认为是可接受错误的边界水平。
8楼：晴禾雨
t指的是t检验，亦称student t检验（student's t test），主要用于样本含量较小（例如n<30），总体标准差σ未知的正态分布资料
p值（p value）就是当原假设为真时所得到的样本观察结果或更极端结果出现的概率。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，我们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”需要我们自己根据p值的大小和实际问题来解决。
9楼：
t是t检验的值 p是概率，p＜0.05或p＜0、001最好，可以拒绝原假设，表明差异显著
10楼：匿名用户
你好， 显著性检验（significance test）就是事先对总体（随机变量）的参数或总体分布形式做出一个假设，然后利用样本信息来判断这个假设（备则假设）是否合理，即判断总体的真实情况与原假设是否有显著性差异。或者说，显著性检验要判断样本与我们对总体所做的假设之间的差异是纯属机会变异，还是由我们所做的假设与总体真实情况之间不一致所引起的。 显著性检验是针对我们对总体所做的假设做检验，其原理就是“小概率事件实际不可能性原理”来接受或否定假设。
抽样实验会产生抽样误差，对实验资料进行比较分析时，不能仅凭两个结果（平均数或率）的不同就作出结论，而是要进行统计学分析，鉴别出两者差异是抽样误差引起的，还是由特定的实验处理引起的。
中文名：显著性检验
外文名：significance test
应用领域：数据统计
常用测验：t检验等
分享含义
显著性检验即用于实验处理组与对照组或两种不同处理的效应之间是否有差异，以及这种差异是否显著的方法。
常把一个要检验的假设记作h0,称为原假设（或零假设） (null hypothesis) ，与h0对立的假设记作h1，称为备择假设(alternative hypothesis) 。
⑴ 在原假设为真时，决定放弃原假设，称为第一类错误，其出现的概率通常记作α，就是p值；
⑵ 在原假设不真时，决定不放弃原假设，称为第二类错误，其出现的概率通常记作β，就是t值。
通常只限定犯第一类错误的最大概率α， 不考虑犯第二类错误的概率β。这样的假设 检验又称为显著性检验，概率α称为显著性水平。
最常用的α值为0.01、0.05、0.10等。一般情况下，根据研究的问题，如果放弃真假设损失大，为减少这类错误，α取值小些 ，反之，α取值大些。
统计学中t，p，f是什么意思,统计学中t值p值是什么意思？怎么计算？
1楼 我爱洗碗 一般而言，为了确定从样本 sample 统计结果推论至总体时所犯错的概率，我们会利用统计学家所开发的一些统计方法，进行统计检定。 通过把所得到的统计检定值，与统计学家建立了一些随机变量的概率分布 probability distribution 进行比较，我们可以知道在多少 的机会下...
使用vlookup时候有重复值怎么返回值
1楼 梅弃迎新 这情况该用index函数为主。 由于提问中没有 数据的实际截图，只好按我这边的设定举例了。 e2数组公式，输入完成后不要直接回车，要按三键 ctrl shift 回车 右拉下拉 index b b all if a 2 a 999 d2 row 2 999 4 8 column a1...
模型时候都用什么胶水,大家修复模型时候都用什么胶水
1楼 allennn丶 田宫专用的模型胶水或者其他牌子的模型胶都可以。尽量使用模型用的，不要用502。不然板件容易泛白。 2楼 东莞亿合胶粘剂 粘合塑胶模型胶水yh 818 大家修复模型时候都用什么胶水 3楼 暮霭之名惋惜 如果是拼装模型就要用模型专用胶水，分黄盖和绿盖。黄盖是普通模型胶水，绿盖是流...