1、如下圖，比較兩組數(shù)據(jù)之間的差異性。 2、為Excel添加分析工具的加載項(xiàng)插件，步驟如下： （1）點(diǎn)擊office按鈕，彈出excel選項(xiàng)，選擇加載項(xiàng)中的轉(zhuǎn)到。 （2）勾選分析工具庫。 3、分析步驟如下： （1）選擇數(shù)據(jù)區(qū)域，點(diǎn)擊數(shù)據(jù)，選擇其中分析里面

本文我們將從以下幾個(gè)部分來詳細(xì)介紹如何評估統(tǒng)計(jì)顯著性：設(shè)計(jì)實(shí)驗(yàn)、計(jì)算標(biāo)準(zhǔn)方差、確定顯著性、14 參考

檢驗(yàn)假設(shè)需要以統(tǒng)計(jì)分析為依據(jù)。統(tǒng)計(jì)顯著性是用p值來計(jì)算的，這個(gè)值告訴我們在特定命題，或者說零假設(shè)為真的情況下，得到預(yù)計(jì)結(jié)果的概率。如果p值小于通常為0.05的顯著性水平值，那么實(shí)驗(yàn)者可以認(rèn)為零假設(shè)是錯(cuò)誤的，并接受備擇假設(shè)。你可以使用簡單的t檢驗(yàn)來計(jì)算p值，并確定數(shù)據(jù)集中兩個(gè)不同組之間的差異顯著性。部分 1設(shè)計(jì)實(shí)驗(yàn)

檢測圖像的顯著性,通常評估時(shí)都會用到P-R曲線(準(zhǔn)確率-召回率),F-值,ROC曲線等等。 50 這些曲線一般都用MATLAB畫,想問一下,怎么畫呢?有沒有代碼之類的。

第1步：定義假設(shè)。

顯著性水平就是那個(gè)sig值，不都是0么，怎么會沒有達(dá)到顯著水平0.01啊，應(yīng)該都顯著的埃

評估統(tǒng)計(jì)顯著性的第一步是確定你想回答的問題，并提出你的假設(shè)。這個(gè)假設(shè)涉及到你的實(shí)驗(yàn)數(shù)據(jù)和人群中可能出現(xiàn)的差異。對于任何實(shí)驗(yàn)而言，必須既有零假設(shè)，又有備擇假設(shè)。一般來說，你會比較兩個(gè)組，看它們是否相同。

模型的擬合度是用R和R方來表示的，一般大于0.4就可以了；自變量的顯著性是根據(jù)各個(gè)自變量系數(shù)后面的Sig值判斷的，如果小于0.05可以說在95%的顯著性水平下顯著，小于0.01就可以說在99%的顯著性水平下顯著了。如果沒有給出系數(shù)表，是看不到顯著性

零假設(shè)H0通常表示兩個(gè)數(shù)據(jù)集之間沒有差異。例如：課前預(yù)習(xí)教材的學(xué)生期末成績不會更好。

1、如下圖，比較兩組數(shù)據(jù)之間的差異性。 2、為Excel添加分析工具的加載項(xiàng)插件，步驟如下： （1）點(diǎn)擊office按鈕，彈出excel選項(xiàng)，選擇加載項(xiàng)中的轉(zhuǎn)到。 （2）勾選分析工具庫。 3、分析步驟如下： （1）選擇數(shù)據(jù)區(qū)域，點(diǎn)擊數(shù)據(jù)，選擇其中分析里面

而備擇假設(shè)Ha與零假設(shè)相反，它是你試圖用實(shí)驗(yàn)數(shù)據(jù)支持的命題。例如：課前預(yù)習(xí)教材的學(xué)生期末成績會更好。

檢測圖像的顯著性,通常評估時(shí)都會用到P-R曲線(準(zhǔn)確率-召回率),F-值,ROC曲線等等。 50 這些曲線一般都用MATLAB畫,想問一下,怎么畫呢?有沒有代碼之類的。

第2步：設(shè)置顯著性水平，以確定數(shù)據(jù)被視為顯著時(shí)所需的異常程度。

顯著性水平就是那個(gè)sig值，不都是0么，怎么會沒有達(dá)到顯著水平0.01啊，應(yīng)該都顯著的埃

顯著性水平也被稱為α，它是你為了確定顯著性而設(shè)置的閾值。如果你的p值小于等于設(shè)定的顯著性水平，數(shù)據(jù)就被認(rèn)為具有統(tǒng)計(jì)顯著性。

模型的擬合度是用R和R方來表示的，一般大于0.4就可以了；自變量的顯著性是根據(jù)各個(gè)自變量系數(shù)后面的Sig值判斷的，如果小于0.05可以說在95%的顯著性水平下顯著，小于0.01就可以說在99%的顯著性水平下顯著了。如果沒有給出系數(shù)表，是看不到顯著性

一般來說，顯著性水平α通常被設(shè)置成0.05，換而言之，在你的數(shù)據(jù)中偶爾觀察到差異的概率僅為5%。

1、如下圖，比較兩組數(shù)據(jù)之間的差異性。 2、為Excel添加分析工具的加載項(xiàng)插件，步驟如下： （1）點(diǎn)擊office按鈕，彈出excel選項(xiàng)，選擇加載項(xiàng)中的轉(zhuǎn)到。 （2）勾選分析工具庫。 3、分析步驟如下： （1）選擇數(shù)據(jù)區(qū)域，點(diǎn)擊數(shù)據(jù)，選擇其中分析里面

置信水平越高時(shí)，p值越小，結(jié)果也越顯著。

檢測圖像的顯著性,通常評估時(shí)都會用到P-R曲線(準(zhǔn)確率-召回率),F-值,ROC曲線等等。 50 這些曲線一般都用MATLAB畫,想問一下,怎么畫呢?有沒有代碼之類的。

如果你想讓自己的數(shù)據(jù)具有較高的置信水平，可以把p值設(shè)到0.01以下。在制造業(yè)中，檢查產(chǎn)品缺陷通常會用到較小的p值。因?yàn)槊總€(gè)零部件都必須達(dá)到很高的置信水平，使之能夠按照預(yù)期發(fā)揮作用。

對于假設(shè)驅(qū)動(dòng)型實(shí)驗(yàn)，0.05的顯著性水平是可以接受的。

第3步：確定使用單側(cè)檢驗(yàn)還是雙側(cè)檢驗(yàn)。

t檢驗(yàn)的適用條件之一是你的數(shù)據(jù)呈正態(tài)分布。正態(tài)分布的數(shù)據(jù)會形成鐘形曲線，大部分樣本位于中間。t檢驗(yàn)是一種數(shù)學(xué)檢驗(yàn)，可以確定你的數(shù)據(jù)在曲線“尾部”是否落在正態(tài)分部以外，是在曲線以上還是以下。

單側(cè)檢驗(yàn)比雙側(cè)檢驗(yàn)更強(qiáng)大，因?yàn)樗谝粋€(gè)方向檢驗(yàn)關(guān)系的潛力，比如控制組以上，而雙側(cè)檢驗(yàn)在兩個(gè)方向檢關(guān)系的潛力，比如控制組以上或以下。

如果你不確定自己的數(shù)據(jù)是在控制組以上還是以下，那就使用雙側(cè)檢驗(yàn)。這樣你就能檢驗(yàn)任一方向的顯著性。

如果你知道數(shù)據(jù)會朝哪個(gè)方向發(fā)展，請使用單側(cè)檢驗(yàn)。在前文給出的例子中，你預(yù)計(jì)學(xué)生的成績會提高，所以你可以用單側(cè)檢驗(yàn)。

第4步：使用功效分析來確定樣本量。

檢驗(yàn)功效指的是在特定的樣本量下，觀察到預(yù)期結(jié)果的概率。功效或β的常見閾值是80%。缺乏一些初步數(shù)據(jù)時(shí)，功效分析可能有點(diǎn)棘手，因?yàn)槟阈枰恍╆P(guān)于每組之間平均值及其標(biāo)準(zhǔn)方差的信息。你可以使用網(wǎng)上的功效分析計(jì)算器，來確定自己數(shù)據(jù)的最佳樣本量。

開展大型、全面的研究時(shí)，研究人員通常會做一個(gè)小型的先導(dǎo)型研究，以獲得功效分析所需的信息，并確定其樣本量。

如果沒有辦法做復(fù)雜的先導(dǎo)型研究，你可以閱讀文獻(xiàn)和其他人做過的研究，據(jù)此來估計(jì)可能的平均值。在確定樣本量時(shí)，這是一個(gè)很好的著手點(diǎn)。

部分 2計(jì)算標(biāo)準(zhǔn)方差

第1步：確定標(biāo)準(zhǔn)方差公式。

標(biāo)準(zhǔn)方差是衡量數(shù)據(jù)分布情況的指標(biāo)。它向你提供了樣本中各數(shù)據(jù)點(diǎn)的相似性信息，有助于確定數(shù)據(jù)是否顯著。乍一看，你可能覺得公式有點(diǎn)復(fù)雜，但是以下步驟會引導(dǎo)你完成計(jì)算過程。其公式是s = √∑((xi – ?)2/(N – 1))。

s是標(biāo)準(zhǔn)方差。

∑指對收集的所有樣本值求和。

xi表示你數(shù)據(jù)的各單獨(dú)值。

?是每組數(shù)據(jù)的平均值。

N是樣本總數(shù)。

第2步：計(jì)算每組樣本的平均值。

要想計(jì)算標(biāo)準(zhǔn)方差，你必須先計(jì)算每組樣本的平均值。平均值用希臘字母?表示。它的計(jì)算方法很簡單，只需將每個(gè)值相加，再除以樣本總數(shù)即可。

例如，為了計(jì)算課前預(yù)習(xí)教材的學(xué)生組的平均成績，讓我們來看一些數(shù)據(jù)。為了簡便起見，我們會使用包含5個(gè)值的數(shù)據(jù)集：90、91、85、83和94。

將所有樣本相加求和：90 + 91 + 85 + 83 + 94 = 443。

用和除以樣本數(shù)N = 5：443/5 = 88.6。

這組學(xué)生的平均成績是88.6。

第3步：用每個(gè)樣本減去平均值。

計(jì)算的下一步涉及到公式的(xi – ?)部分。你需要用每個(gè)樣本減去剛剛計(jì)算得出的平均值。在我們的例子中，你必須做五次減法。

(90 – 88.6)、(91- 88.6)、(85 – 88.6)、(83 – 88.6)和(94 – 88.6)。

計(jì)算所得的結(jié)果是1.4、2.4、-3.6、-5.6和5.4。

第4步：將這些數(shù)字平方后再相加。

這時(shí)，你需要計(jì)算剛剛得出的每個(gè)數(shù)字的平方。這一步還會處理掉所有負(fù)號。如果在此步驟之后或計(jì)算結(jié)束時(shí)有負(fù)號，說明你可能忘了算這一步。

在我們的例題中，那五個(gè)數(shù)字的平方是1.96、5.76、12.96、31.36和29.16。

將這些平方值相加，得到：1.96 + 5.76 + 12.96 + 31.36 + 29.16 = 81.2。

第5步：除以樣本總數(shù)減一。

公式除以N-1，是因?yàn)槟銢]有計(jì)算所有人的成績，要進(jìn)行修正，你只是在所有學(xué)生中取了一個(gè)樣本，來進(jìn)行估算。

做減法：N – 1 = 5 – 1 = 4

做除法：81.2/4 = 20.3

第6步：取平方根。

除以樣本數(shù)減一后，取最終數(shù)字的平方根。這是計(jì)算標(biāo)準(zhǔn)方差的最后一步。有一些統(tǒng)計(jì)學(xué)應(yīng)用程序可以在你輸入原始數(shù)據(jù)后，幫你計(jì)算標(biāo)準(zhǔn)方差。

在我們的例題中，課前預(yù)習(xí)的學(xué)生期末成績的標(biāo)準(zhǔn)方差是：s =√20.3 = 4.51。

部分 3確定顯著性

第1步：計(jì)算2個(gè)樣本組之間的差額。

至此為止，例題只處理了一個(gè)樣本組。如果想比較兩個(gè)樣本組，你顯然需要兩組的數(shù)據(jù)。計(jì)算第二組樣本的標(biāo)準(zhǔn)方差，并使用該數(shù)值來計(jì)算2個(gè)實(shí)驗(yàn)組之間的差額。差額公式為sd = √((s1/N1) + (s2/N2))。

sd是兩組之間的差額。

s1是第1組的標(biāo)準(zhǔn)方差，而N1是第1組的樣本量。

s2是第2組的標(biāo)準(zhǔn)方差，而N2是第2組的樣本量。

例如，假設(shè)第2組數(shù)據(jù)，即課前沒有預(yù)習(xí)的學(xué)生的數(shù)據(jù)樣本量是5，而標(biāo)準(zhǔn)方差是5.81。差額為：

sd = √((s1)2/N1) + ((s2)2/N2))

sd = √(((4.51)2/5) + ((5.81)2/5)) = √((20.34/5) + (33.76/5)) = √(4.07 + 6.75) = √10.82 = 3.29。

第2步：計(jì)算數(shù)據(jù)的t分?jǐn)?shù)。

t分?jǐn)?shù)可以將數(shù)據(jù)轉(zhuǎn)化為能夠與其他數(shù)據(jù)進(jìn)行比較的形式。你可以使用t分?jǐn)?shù)來做t檢驗(yàn)，計(jì)算兩組之間存在顯著差異的可能性。t分?jǐn)?shù)的公式是t = (?1 – ?2)/sd。

?1是第一組的平均值。

?2是第二組的平均值。

sd是樣本之間的差額。

你應(yīng)該使用較大的平均值作為?1，以免t值變成負(fù)數(shù)。

例如，假設(shè)第2組沒有預(yù)習(xí)的學(xué)生的樣本平均值是80。則t分?jǐn)?shù)為：t = (?1 – ?2)/sd = (88.6 – 80)/3.29 = 2.61。

第3步：確定樣本的自由度。

使用t分?jǐn)?shù)時(shí)，自由度的數(shù)值是用樣本量確定的。將兩組的樣本數(shù)相加，然后減2。在我們的例子中，自由度(d.f.)是8，因?yàn)榈?組有5個(gè)樣本，而第2組也有5個(gè)樣本，(5 + 5) – 2 = 8。

第4步：使用t表格來評估顯著性。

你可以在標(biāo)準(zhǔn)的統(tǒng)計(jì)學(xué)書籍或網(wǎng)上找到t分?jǐn)?shù)和自由度表格。查找包含數(shù)據(jù)自由度的行，找到與t分?jǐn)?shù)對應(yīng)的p值。

當(dāng)自由度為8，t值為2.61時(shí)，單側(cè)檢驗(yàn)的p值介于0.01和0.025之間。由于我們將顯著性水平設(shè)置為小于等于0.05，所以我們的數(shù)值具有統(tǒng)計(jì)顯著性。得到這一數(shù)據(jù)后，我們可以拒絕零假設(shè)，接受備擇假設(shè)：課前預(yù)習(xí)教材的學(xué)生會取得更好的期末成績。

第5步：考慮后續(xù)研究。

許多研究人員會使用少量的數(shù)據(jù)，做一個(gè)小規(guī)模的先導(dǎo)型研究，以幫助自己了解如何設(shè)計(jì)一個(gè)規(guī)模更大的研究。使用更多的數(shù)據(jù)，做另一項(xiàng)研究，有助于提高你對結(jié)論的信心。

后續(xù)研究可以幫助你確定自己的結(jié)論是否包含I型錯(cuò)誤或II型錯(cuò)誤。前者指在沒有差異的情況下觀察到差異，或錯(cuò)誤的拒絕零假設(shè)，而后者指在有差異時(shí)未觀察到差異，或錯(cuò)誤的接受零假設(shè)。

小提示

統(tǒng)計(jì)學(xué)是一個(gè)龐大而復(fù)雜的學(xué)科。你可以學(xué)習(xí)高中、大學(xué)或更高級別的統(tǒng)計(jì)推斷課程，幫助自己理解統(tǒng)計(jì)顯著性。

警告

這種分析針對的是t檢驗(yàn)，后者檢驗(yàn)的是兩個(gè)正態(tài)分布人群之間的差異。根據(jù)數(shù)據(jù)集復(fù)雜程度的不同，你可能得使用不同的統(tǒng)計(jì)學(xué)檢驗(yàn)方法。

參考

http://blog.minitab.com/blog/adventures-in-statistics/how-to-correctly-interpret-p-values

https://statistics.laerd.com/statistical-guides/hypothesis-testing-3.php

http://www.stat.yale.edu/Courses/1997-98/101/sigtest.htm

https://web.csulb.edu/~msaintg/ppa696/696stsig.htm#INTERPRET THE Chi

https://stats.idre.ucla.edu/other/mult-pkg/faq/general/faq-what-are-the-differences-between-one-tailed-and-two-tailed-tests/

http://powerandsamplesize.com/Calculators/Compare-2-Means/2-Sample-1-Sided

https://www.mathsisfun.com/data/standard-deviation-formulas.html

https://www.mathsisfun.com/data/standard-deviation-formulas.html

http://archive.bio.ed.ac.uk/jdeacon/statistics/tress4a.html

http://archive.bio.ed.ac.uk/jdeacon/statistics/tress4a.html

http://www.kean.edu/~fosborne/bstat/07b2means.html

http://www.sjsu.edu/faculty/gerstman/StatPrimer/t-table.pdf

https://statistics.laerd.com/statistical-guides/hypothesis-testing-3.php

https://www.stat.berkeley.edu/~hhuang/STAT141/Lecture-FDR.pdf

顯示 更多... (5)

擴(kuò)展閱讀，以下內(nèi)容您可能還感興趣。

如何分析回歸模型的擬合度和顯著性

模型的擬合度是用R和R方來表示的，一般大于0.4就可以了；自變量的顯著性是根據(jù)各個(gè)自變量系數(shù)后面的Sig值判斷的，如果小于0.05可以說在95%的顯著性水平下顯著，小于0.01就可以說在99%的顯著性水平下顯著了。如果沒有給出系數(shù)表，是看不到顯著性如何的。

回歸分析(regression analysis)是研究一個(gè)變量（被解釋變量）關(guān)于另一個(gè)（些）變量（解釋變量）的具體依賴關(guān)系的計(jì)算方法和理論。 從一組樣本數(shù)據(jù)出發(fā)，確定變量之間的數(shù)學(xué)關(guān)系式對這些關(guān)系式的可信程度進(jìn)行各種統(tǒng)計(jì)檢驗(yàn)，并從影響某一特定變量的諸多變量中找出哪些變量的影響顯著，哪些不顯著。利用所求的關(guān)系式，根據(jù)一個(gè)或幾個(gè)變量的取值來預(yù)測或控制另一個(gè)特定變量的取值，并給出這種預(yù)測或控制的精確程度。

其用意：在于通過后者的已知或設(shè)定值，去估計(jì)和（或）預(yù)測前者的（總體）均值。

拓展資料：

回歸模型（regression model）對統(tǒng)計(jì)關(guān)系進(jìn)行定量描述的一種數(shù)學(xué)模型。如多元線性回歸的數(shù)學(xué)模型可以表示為y=β0+β1*x+εi，式中，β0，β1，…，βp是p+1個(gè)待估計(jì)的參數(shù)，εi是相互獨(dú)立且服從同一正態(tài)分布N(0,σ2)的隨機(jī)變量，y是隨機(jī)變量；x可以是隨機(jī)變量，也可以是非隨機(jī)變量,βi稱為回歸系數(shù)，表征自變量對因變量影響的程度。

（資料來源：百度百科：回歸模型）

如何比較兩組數(shù)據(jù)之間的差異性

1、如下圖，比較兩組數(shù)據(jù)之間的差異性。

2、為Excel添加分析工具的加載項(xiàng)插件，步驟如下：

（1）點(diǎn)擊office按鈕，彈出excel選項(xiàng)，選擇加載項(xiàng)中的轉(zhuǎn)到。

（2）勾選分析工具庫。

3、分析步驟如下：

（1）選擇數(shù)據(jù)區(qū)域，點(diǎn)擊數(shù)據(jù)，選擇其中分析里面的數(shù)據(jù)分析。

（2）選擇單因素方差分析。

4、設(shè)置分析參數(shù)

5、查看分析結(jié)果

擴(kuò)展資料

相關(guān)分析研究的是兩個(gè)變量的相關(guān)性,但你研究的兩個(gè)變量必須是有關(guān)聯(lián)的,如果你把歷年人口總量和你歷年的身高做相關(guān)性分析,分析結(jié)果會呈現(xiàn)顯著地相關(guān),但它沒有實(shí)際的意義,因?yàn)槿丝诳偭亢湍愕纳砀叨际侵鸩皆黾拥?從數(shù)據(jù)上來說是有一致性,但他們沒有現(xiàn)實(shí)意義。

當(dāng)數(shù)據(jù)之間具有了顯著性差異，就說明參與比對的數(shù)據(jù)不是來自于同一總體（Population），而是來自于具有差異的兩個(gè)不同總體，這種差異可能因參與比對的數(shù)據(jù)是來自不同實(shí)驗(yàn)對象的，比如一些一般能力測驗(yàn)中，大學(xué)學(xué)歷被試組的成績與小學(xué)學(xué)歷被試組會有顯著性差異。也可能來自于實(shí)驗(yàn)處理對實(shí)驗(yàn)對象造成了根本性狀改變，因而前測后測的數(shù)據(jù)會有顯著性差異。

請問有人知道顯著性評估方法NSS扥代碼嗎？

顯著性水平就是那個(gè)sig值，不都是0么，怎么會沒有達(dá)到顯著水平0.01啊，應(yīng)該都顯著的啊。

如何分析回歸模型的擬合度和顯著性

模型的擬合度是用R和R方來表示的，一般大于0.4就可以了；自變量的顯著性是根據(jù)各個(gè)自變量系數(shù)后面的Sig值判斷的，如果小于0.05可以說在95%的顯著性水平下顯著，小于0.01就可以說在99%的顯著性水平下顯著了。如果沒有給出系數(shù)表，是看不到顯著性如何的。

回歸分析(regression analysis)是研究一個(gè)變量（被解釋變量）關(guān)于另一個(gè)（些）變量（解釋變量）的具體依賴關(guān)系的計(jì)算方法和理論。 從一組樣本數(shù)據(jù)出發(fā)，確定變量之間的數(shù)學(xué)關(guān)系式對這些關(guān)系式的可信程度進(jìn)行各種統(tǒng)計(jì)檢驗(yàn)，并從影響某一特定變量的諸多變量中找出哪些變量的影響顯著，哪些不顯著。利用所求的關(guān)系式，根據(jù)一個(gè)或幾個(gè)變量的取值來預(yù)測或控制另一個(gè)特定變量的取值，并給出這種預(yù)測或控制的精確程度。

其用意：在于通過后者的已知或設(shè)定值，去估計(jì)和（或）預(yù)測前者的（總體）均值。

拓展資料：

回歸模型（regression model）對統(tǒng)計(jì)關(guān)系進(jìn)行定量描述的一種數(shù)學(xué)模型。如多元線性回歸的數(shù)學(xué)模型可以表示為y=β0+β1*x+εi，式中，β0，β1，…，βp是p+1個(gè)待估計(jì)的參數(shù)，εi是相互獨(dú)立且服從同一正態(tài)分布N(0,σ2)的隨機(jī)變量，y是隨機(jī)變量；x可以是隨機(jī)變量，也可以是非隨機(jī)變量,βi稱為回歸系數(shù)，表征自變量對因變量影響的程度。

（資料來源：百度百科：回歸模型）