正态分布的p值教程文件.pdfVIP

Minitab 里 检验正态分布 的 P 值要大于多少才正态？ 0.05 就可以。但这也只是取决于你的风险承受度。 如果你能承受的只是 0.005 ， 那么大于 0.005 ，就可以认为是正态。这里的前提是先认为这个分布就是正态分 布，大于 0.05 （或0.0005 ）时只是没有足够证据能证明它不是正态分布，所以 就认为它是正态分布。 一点小技巧， p 在进行正态性检验时越大越好（数据正泰的可能性越大） ，其他一般越小 越好（因素的显著性越大） 。一般在 minitab help 都可以得到标准。 P 值就是接受原假设时出错的概率 在 Minitab 中，很多统计检验的结论是根据 p 值判断的， 而不是根据拒绝或者不拒绝原 假设判断的。 例如，在 基本 的 t 检验中，原假设是 H0，备择 假设是 HA，一般 情况下 ，H0： ， ，备择 假设是 HA： 。 检验 35 辆汽车 ，发现 m.p.g 的值 从 14.4 到 28.8 不 等 。将 35 辆汽车 的 m.p.g 数值 放到 Minitab 列 MPG中，然后 在 Minitab 运行的 t 检验 （菜单选项 ，统计 基本 统计 单样本 t ，或者 会话命令 TTEST），并得到以 下的结果 ： PDF 文件使用 pdfFactory Pro 试用版本创建 解释 p 值 结果显 示 ，这 35 辆汽车 的样本均 值是 23.754 。但是所有这 种类型汽车 的 m.p.g 均 值可 能是 25——我们需要了解 是 否有足够的证据 来 拒绝 H0。 通常 有两种方式 可以判断，这 两种方式 都和显著性 水平 是当 H0为 真时拒绝 H0的概率 。在这里，它 表示 ，当总体均 值是 25m.p.g ，却得 出总体 均值不 等 于 25m.p.g 结论的 概率 。 第一 种方式 判断是 否有足够的证据拒绝 H0，是计 算检验统计 量 的值，并将 它和预 先 指定 的 比较 。p 值是 样本 证据拒绝 H0程 度的 指标。一般 情况下 ，p 值越小，拒绝 H0 的样本 证 据的 权重 就越大。而 且 ，p 值是拒绝 H0的最小 p 值时，不能拒绝 H0， 进行 比较 ，是小于 0.05 或者 0.1 ，这需要 根据 我们研究 的领域 （我们 的油耗 数可能 会改 变！ ）来 决定 。可以 查看 我们 所在 领域 alpha 可接受的值。 在例 子 中，假 定 ， PDF 文件使用 pdfFactory Pro 试用版本创建 …的假设检验。在 下面 的例 子 中，变 量 DIAMETER是统计显著的，因为 p 值 几乎 等 于 0 。 在正态性检验中， 例如 Anderson-Darling 检验或者 Kolmogorov-Smirnov 检验， 原假设 是数据 服 从正态分布。 在独立变 量 的卡方 检验中，原假设是 研究 中的两 个因 子——例 如， 年龄 和投票喜 好—— 是相 互独立 的。 如果检验结果的 p 值足够小， 则有足够的证据 来拒绝原假设， 支持 备择 假设（ “数据不 服从 正态分布 ”或者 “因子 不相 互独立” ）。 知道 p 值判断的 两 个关键 点， p 值判断就 会变 得简单： 此领域 中