我最近一直在进行两个样本分析，但在解释结果时遇到了一些麻烦-价值。这- 值为 0.12，因此在 5% 的风险率下，我不能说样本不同。
然而，确实仍然意味着我可以说样本之间存在可检测的差异，只是不那么明显？
我目前的直觉是，直到数据集不同的解释更合理的是它们是相同的，但当然在例如 0.4 时，这种说法的风险非常高，因此可能没有用。
能p < 0.5p<0.5被解释为至少提供了一些反对零假设的弱证据？
机器算法验证
假设检验
统计学意义
p 值
2022-04-16 12:54:44
3个回答
p值的维基百科应该给你一个精确的定义。本质上，它是您的零假设与您的数据不一致的概率。
p 值为 0.12 时，您需要较大的显着性水平来拒绝您的假设。
您可以认为样本之间存在一些差异，但并不像您想象的那样不一致。如果您没有差异或差异很小，您的 p 值应该接近 1。
你的意思是p < 0.05？0.5 太大了。
你永远不应该认为你的组是
differentorsame，因为它们永远不会相同。如果它们相同，则根本不需要进行统计测试。你应该问问自己，0.12 的 p 值是否足以让你相信两组在统计上的差异足以让你认为它们是显着的？答案是否定的，我们通常在 p 值小于 0.05 时拒绝该假设。
您的结果表明您的组在统计上不显着，除非您希望显着性水平为 12%。
如果您想要一个与备择假设为真的后验概率相对应的解释，那么您可能需要贝叶斯分析。常客分析（如您所做的那样）可能具有或可能不具有“直觉希望”的贝叶斯属性（例如在没有先验信息的情况下允许这种解释）。通常 ap < 0.5 会为替代方案提供一些（通常非常弱）的支持，但不一定如此。
当您达到某个显着性水平时，无论是 0.001、0.01、0.4，您都在说 (a) 发生了真实的事情或 (b) 发生了不寻常的事情。因此，在您的情况下，要么存在真正的差异，要么偶然发生的事情大约每六次尝试就会发生一次。你想变得多不寻常？大多数人想要的比这更不寻常。