1楼：一眼万_年
有统计学意义嘛。
就是你这实验做出来的结果统计学上是可以认可的。
说明是有差异的，至于差异的多少，不是结果本身，而需要进一步的分析。
所以这种统计，其实只是数据的一个粗糙的分析。
2楼：化睿明冠虹
我觉得楼主需要先搞清楚
统计检验的原理。统计检验的原理是依据“小概率事件不肯能发生”原则来的，所以经常看到有显著性水平是0.01,0.05。而p值是
假定原假设成立，产生比
当前样本
更差样本的概率。如果p值小于0.01，就是说，原假设成立情况下，发生现在这种事情的概率是小于0.
01的，所以拒绝原假设。比如假设下雨概率是0.1，但是连续1000天都下雨了，不应该相信下雨概率是0.
1。而显著性水平0.05，说的是如果发生了概率小于0.
05的事情，就觉得有问题。
差异这里指的是样本的差异，差异无统计学意义，意思是样本的差异不够大，所以我还是认为产生样本的总体没有差异。
3楼：昔冉冉陶飒
例如单样本t检验，样本均数与总体均数相比较，p值小于0.05，表示有统计学意义，样本均数与总体均数有显著性差异，但具体差异多少，是没法计算的。
什么叫有统计学意义,却不代表实际差异的大小
4楼：答琇晶林宸
例如单样本t检验，样本均数与总体均数相比较，p值小于0.05，表示有统计学意义，样本均数与总体均数有显著性差异，但具体差异多少，是没法计算的。
什么叫有统计学意义，却不代表实际差异
5楼：匿名用户
统计学意义是指在研究组和对照组间出现疗效差异时,要考虑这种差异是防治措施的疗效还是因抽样误差所引起的.上述差异有统计学意义时,并不意味着有临床意义,而当具有临床意义时可无统计学意义.
6楼：匿名用户
举个简单的例子：某药物实验得出结论：**组比对照组血压下降了5mmhg（p=0.
01），有统计学意义，说明该药物的确可以让血压降5mmhg。但是从临床角度看，一个正常人的一天血压波动都要达到甚至超过10mmhg，所以说让血压降5mmhg并没有太多实际意义。
统计学意义和比较差异有统计学意义是什么意思？
7楼：麻木
1、统计学意义是会统计学描述的是变量，数理统计学描述的是随机变量，而变量和随机变量是两个既有区别又有联系，且在一定条件下可以相互转化的数学。
2、比较差异有统计学意义是当数据之间具有了显著性差异，就说明参与比对的数据不是来自于同一总体（population），而是来自于具有差异的两个不同总体，这种差异可能因参与比对的数据是来自不同实验对象的；
比如一些一般能力测验中，大学学历被试组的成绩与小学学历被试组会有显著性差异。也可能来自于实验处理对实验对象造成了根本性状改变，因而前测后测的数据会有显著性差异。
8楼：冷de陌
比如有两组学生的考试成绩,现在考察这两个组的学生的成绩的平均值是否-样。当然观测到的样本几乎不可能会两个均值正好- -样，所以我们用分布这个概念来做这个事情。
首先，假设每个组内部的人的成绩满足同个正态分布然后，所谓零假设，一般是指这两个组的正态分布的参数-样。
继续， 在以上两个假设下，这两个组的平均成绩的差值，也满足一个 正态分布(当然参数不-样，这个正态分布的均值参数是50+50+50,那这个“平均成绩的差值”的这次样本实现值就是100-50=50。
然后， 无论事先是否假设了每个人成绩分布的万差已知还是未知，都可以精确计算“平均成绩的差值”的分布,然后看50在这个分布里是否在很远的地方，如果在，那就说明所谓零假设不太可能成立，那就是说两个组的平均成绩有差异。
如果不在很远的地方，那就不能说明两个组的平均成绩有差异。换句话说，就是这两个组的平均成绩的差异有统计意义。
三组数据的组间均值有统计学意义就是说 “零假设:三组均值相同”这个假设不成立，换句话说可能1=2! =3,或者干脆三个都不一样，但是不会仔细说哪两个不同。
1组和3组数据的比较差异有统计学意义就是明白了告诉你至少1跟3不一样。
或者“零假设: 1跟3均值相同”这个假设不成立。统计方法上这两个假设的检验方法会有不同。
统计学中的“p”值是什么意思?怎么计算?
9楼：忘洛心
p值即概率，反映某一事件发生的可能性大小。
不同的p数值所表达的含义也是不一样的。
统计学根据显著性检验方法所得到的p 值，一般以p < 0.05 为有统计学差异， p<0.01 为有显著统计学差异，p<0.001为有极其显著的统计学差异。
其含义是样本间的差异由抽样误差所致的概率小于0.05 、0.01、0.
001。实际上，p值不能赋予数据任何重要性，只能说明某事件发生的几率。统计结果中显示pr > f，也可写成pr( >f)，p = p或p = p。
拓展资料：
计算p值的相关注意事项：
1、p的意义不表示两组差别的大小，p反映两组差别有无统计学意义，并不表示差别大小。因此，与对照组相比，c药取得p<0.05，d药取得p <0.01并不表示d的药效比c强。
2、p>0.05时，差异无显著意义，根据统计学原理可知，不能否认无效假设，但并不认为无效假设肯定成立。在药效统计分析中，更不表示两药等效。
哪种将“两组差别无显著意义”与“两组基本等效”相同的做法是缺乏统计学依据的。
3、统计学主要用上述三种p值表示，也可以计算出确切的p值，有人用p <0.001，无此必要。
4、显著性检验只是统计结论。判断差别还要根据专业知识。抽样所得的样本，其统计量会与总体参数有所不同，这可能是由于两种原因。
p值的其他含义：
1、 一种概率，一种在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。
2、拒绝原假设的最小显著性水平。
3、观察到的(实例的)显著性水平。
4、表示对原假设的支持程度，是用于确定是否应该拒绝原假设的另一种方法。
10楼：瑾
与“几率”不同，一个事件的几率（odds）是指该事件发生的概率与该事件不发生的概率的比值。
拓展资料：
关于统计定义
在一定条件下，重复做n次试验，na为n次试验中事件a发生的次数，如果随着n逐渐增大，频率na/n逐渐稳定在某一数值p附近，则数值p称为事件a在该条件下发生的概率，记做p(a)=p。这个定义成为概率的统计定义。
在历史上，第一个对“当试验次数n逐渐增大，频率na稳定在其概率p上”这一论断给以严格的意义和数学证明的是雅各布·伯努利（jacob bernoulli）。
从概率的统计定义可以看到，数值p就是在该条件下刻画事件a发生可能性大小的一个数量指标。
11楼：墨竹亲亲
统计学意义（p值）zt：
结果的统计学意义是结果真实程度（能够代表总体）的一种估计方法。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。
2.均值的计算：
在处理实验数据或采样数据时，经常会遇到对相同采样或相同实验条件下同一随机变量的多个不同取值进行统计处理的问题。此时，多数作者会不假思索地直接给出算术平均值和标准差。显然，这种做法是不严谨的。
在数理统计学中，作为描述随机变量总体大小特征的统计量有算术平均值、几何平均值和中位数等。
拓展资料：
何时用算术平均值？何时用几何平均值？以及何时用中位数？
1. 这不能由研究者根据主观意愿随意确定，而要根据随机变量的分布特征确定。反映随机变量总体大小特征的统计量是数学期望，而在随机变量的分布服从正态分布时，其总体的数学期望就是其算术平均值。
此时，可用样本的算术平均值描述随机变量的大小特征。
2. 如果所研究的随机变量不服从正态分布，则算术平均值不能准确反映该变量的大小特征。在这种情况下，可通过假设检验来判断随机变量是否服从对数正态分布。
3. 如果服从对数正态分布，则可用几何平均值描述该随机变量总体的大小。此时，就可以计算变量的几何平均值。
4. 如果随机变量既不服从正态分布也不服从对数正态分布，则按现有的数理统计学知识，尚无合适的统计量描述该变量的大小特征。退而求其次，此时可用中位数来描述变量的大小特征。
12楼：fu我若为王
统计学中p一般指概率。
以古典概率模型为例，概率的计算方法为：
古典定义
如果一个试验满足两条：
（1）试验只有有限个基本结果；
（2）试验的每个基本结果出现的可能性是一样的。
这样的试验便是古典试验。
其中n表示该试验中所有可能出现的基本结果的总数目。m表示事件a包含的试验基本结果数。
这里，仅仅举例了简单的古典概率，其还有很多种模型。你可以找统计学的相关书籍进行学习。
拓展内容：概率亦称“或然率”。它反映随机事件出现的可能性大小的量度。
随机事件是指在相同条件下，可能出现也可能不出现的事件。例如，从一批有**和次品的商品中，随意抽取一件，“抽得的是**”就是一个随机事件。设对某一随机现象进行了n次试验与观察，其中a事件出现了m次，即其出现的频率为m/n。
经过大量反复试验，常有m/n越来越接近于某个确定的常数。该常数即为事件a出现的概率，常用p (a) 表示，与“几率”不同，一个事件的几率（odds）是指该事件发生的概率与该事件不发生的概率的比值。
13楼：前行熊猫
p值即概率，反映某一事件发生的可能性大小。
统计学根据显著性检验方法所得到的p 值，一般以p < 0.05 为有统计学差异， p<0.01 为有显著统计学差异，p<0.
001为有极其显著的统计学差异。其含义是样本间的差异由抽样误差所致的概率小于0.05 、0.
01、0.001。实际上，p值不能赋予数据任何重要性，只能说明某事件发生的几率。
统计结果中显示pr > f，也可写成pr( >f)，p = p或p = p。
假设检验是推断统计中的一项重要内容。用sas、spss等专业统计软件进行假设检验，在假设检验中常见到p值( p-value，probability，pr)，p值是进行检验决策的另一个依据。
扩展资料：
p值由来
从某总体中抽
⑴、这一样本是由该总体抽出，其差别是由抽样误差所致；
⑵、这一样本不是从该总体抽出，所以有所不同。
如何判断是那种原因呢？统计学中用显著性检验来判断。其步骤是：
⑴、建立检验假设（又称无效假设，符号为h0）：如要比较a药和b药的疗效是否相等，则假设两组样本来自同一总体，即a药的总体疗效和b药相等，差别仅由抽样误差引起的碰巧出现的。
⑵、选择适当的统计方法计算h0成立的可能性即概率有多大，概率用p值表示。
⑶、根据选定的显著性水平（0.05或0.01），决定接受还是拒绝h0。
如果p>0.05，不能否定“差别由抽样误差引起”，则接受h0；如果p<0.05或p <0.
01，可以认为差别不由抽样误差引起，可以拒绝h0，则可以接受另一种可能性的假设（又称备选假设，符号为h1），即两样本来自不同的总体，所以两药疗效有差别。
p值的计算：
一般地，用x 表示检验的统计量，当h0为真时，可由样本数据计算出该统计量的值c，根据检验统计量x的具体分布，可求出p值。具体地说：
左侧检验的p值为检验统计量x 小于样本统计值c 的概率，即：p = p
右侧检验的p值为检验统计量x 大于样本统计值c 的概率：p = p
双侧检验的p值为检验统计量x 落在样本统计值c 为端点的尾部区域内的概率的2 倍：p = 2p (当c位于分布曲线的右端时) 或p = 2p (当c 位于分布曲线的左端时) 。若x 服从正态分布和t分布，其分布曲线是关于纵轴对称的，故其p 值可表示为p = p 。
计算出p值后，将给定的显著性水平α与p 值比较，就可作出检验的结论：
如果α > p值，则在显著性水平α下拒绝原假设。
如果α ≤ p值，则在显著性水平α下接受原假设。
在实践中，当α = p值时，也即统计量的值c刚好等于临界值，为慎重起见，可增加样本容量，重新进行抽样检验。
什么叫做差异无统计学意义,差异无统计学意义
1楼 匿名用户 全称应该是显著性差异无统计学意义。是假设检验里的知识点。 差异无统计学意义 2楼 匿名用户 我觉得楼主需要先搞清楚 统计检验的原理。统计检验的原理是依据 小概率事件不肯能发生 原则来的，所以经常看到有显著性水平是0 01 0 05。而p值是 假定原假设成立，产生比 当前样本 更差样本...
曲线估计的方差分析表有什么意义,在统计学中，方差分析表如何填？
1楼 匿名用户 方差分析的基本原理是认为不同处理组的均数间的差别基本 有两个 1 随机误差，如测量误差造成的差异或个体间的差异，称为组内差异，用变量在各组的均值与该组内变量值之偏差平方和的总和表示，记作ssw，组内自由度dfw。 2 实验条件，即不同的处理造成的差异，称为组间差异。 用变量在各组的均...
标准差和变异系数的差异是什么,统计学中标准差与变异系数的用途有何不同
1楼 匿名用户 1 变异系数 v 标准差 平均值 可见 变异系数是无量钢的。而平均值和标准差的量纲相同，都为随机变量的量纲。 2 比较量纲不同的两个随机变量的分散度时用变异系数为好 3 量纲相同的两个随机变量但平均值差别较大时用变异系数评价分散度度 4 用变异系数评价分散度时消除了平均值大小的影响 ...