1樓：匿名使用者
可以用如下方法分析：
使用函式 ttest 判斷兩個樣本是否可能來自兩個具有相同平均值的總體。
語法：ttest(array1,array2,tails,type)array1 為第一個資料集。
array2 為第二個資料集。
tails 指示分佈曲線的尾數。如果 tails = 1，函式 ttest 使用單尾分佈。
如果 tails = 2，函式 ttest 使用雙尾分佈。
type 為 t 檢驗的型別。
如果 type 等於檢驗方法1 成對2等方差雙樣本檢驗3異方差雙樣本檢驗說明：
1、 如果 array1 和 array2 的資料點個數不同，且 type = 1（成對），函式 ttest 返回錯誤值 #n/a。
2、 引數 tails 和 type 將被截尾取整。
3、 如果 tails 或 type 為非數值型，函式 ttest 返回錯誤值 #value!。
4、 如果 tails 不為 1 或 2，函式 ttest 返回錯誤值 #num!。
5、 ttest 使用 array1 和 array2 中的資料計算非負值 t 統計。如果 tails=1，假設 array1 和 array2 為來自具有相同平均值的總體的樣本，則 ttest 返回 t 統計的較高值的概率。假設「總體平均值相同」，則當 tails=2 時返回的值是當 tails=1 時返回的值的兩倍，且符合 t 統計的較高絕對值的概率。
2樓：匿名使用者
p值。你按f1進入幫助就知道了。
3樓：匿名使用者
參見ttest函式幫助：返回與學生 t 檢驗相關的概率。可以使用函式 ttest 判斷兩個樣本是否可能來自兩個具有相同平均值的總體。
語法：ttest(array1,array2,tails,type)array1 為第一個資料集。array2 為第二個資料集。
tails 指示分佈曲線的尾數。如果 tails = 1，函式 ttest 使用單尾分佈。如果 tails = 2，函式 ttest 使用雙尾分佈。
type 為 t 檢驗的型別。如果 type 等於檢驗方法1 成對2等方差雙樣本檢驗3異方差雙樣本檢驗說明：1、 如果 array1 和 array2 的資料點個數不同，且 type = 1（成對），函式 ttest 返回錯誤值 #n/a。
2、 引數 tails 和 type 將被截尾取整。 3、 如果 tails 或 type 為非數值型，函式 ttest 返回錯誤值 #value!。 4、 如果 tails 不為 1 或 2，函式 ttest 返回錯誤值 #num!。
5、 ttest 使用 array1 和 array2 中的資料計算非負值 t 統計。如果 tails=1，假設 array1 和 array2 為來自具有相同平均值的總體的樣本，則 ttest 返回 t 統計的較高值的概率。假設「總體平均值相同」，則當 tails=2 時返回的值是當 tails=1 時返回的值的兩倍，且符合 t 統計的較高絕對值的概率。
4樓：灕水浪客
excel最後計算的結果是p值。我的配對資料用excel計算顯示結果0.0169，也搞不清楚是t值還是p值，最後只得再將資料匯入spss進行計算，結果顯示t值3.
562，p值0.017。由此可見excel中t檢驗所給的最後結果是代表p值，但沒給出t值應該是excel今後需要改進的。
統計中t值和p值的區別
5樓：千山鳥飛絕
統計中t值和p值的區別為：
1、t值，指的是t檢驗，主要用於樣本含量較小（例如n<30），總體標準差σ未知的正態分佈資料。t檢驗是用t分佈理論來推論差異發生的概率，從而比較兩個平均數的差異是否顯著。
2、p值，就是當原假設為真時，所得到的樣本觀察結果或更極端結果出現的概率。如果p值很小，說明原假設情況的發生的概率很小，而如果出現了，根據小概率原理，我們就有理由拒絕原假設，p值越小，我們拒絕原假設的理由越充分。
p值代表的是不接受原假設的最小的顯著性水平，可以與選定的顯著性水平直接比較。例如取5%的顯著性水平，如果p值大於5%，就接受原假設，否則不接受原假設。這樣不用計算t值，不用查表。
3、p值能直接跟顯著性水平比較；而t值想要跟顯著性水平比較，就得換算成p值，或者將顯著性水平換算成t值。在相同自由度下，查t表所得t統計量值越大，其尾端概率p越小，兩者是此消彼長的關係，但不是直線型負相關。
6樓：墨汁諾
一、t指的是t檢驗，亦稱student t檢驗（student's t test），主要用於樣本含量較小（例如n<30），總體標準差σ未知的正態分佈資料
二、p值（p value）就是當原假設為真時所得到的樣本觀察結果或更極端結果出現的概率。如果p值很小，說明原假設情況的發生的概率很小，而如果出現了，根據小概率原理，我們就有理由拒絕原假設，p值越小，我們拒絕原假設的理由越充分。
總之，p值越小，表明結果越顯著。但是檢驗的結果究竟是「顯著的」、「中度顯著的」還是「高度顯著的」需要我們自己根據p值的大小和實際問題來解決。
在相同自由度下，查t表所得t統計量值越大，其尾端概率p越小，兩者是此消彼長的關係，但不是直線型負相關。
7樓：深藍色的貓貓
t值就是這些統計檢定值，與它們相對應的概率分佈，就是t分佈。統計顯著性（sig）就是出現目前樣本這結果的機率。
p值代表結果的可信程度，p越大，就越不能認為樣本中變數的關聯是總體中各變數關聯的可靠指標。p值是將觀察結果認為有效即具有總體代表性的犯錯概率。如p=0.
05提示樣本中變數關聯有5%的可能是由於偶然性造成的。
一般而言，為了確定從樣本(sample)統計結果推論至總體時所犯錯的概率，我們會利用統計學家所開發的一些統計方法，進行統計檢定。
通過把所得到的統計檢定值，與統計學家建立了一些隨機變數的概率分佈(probability distribution)進行比較，我們可以知道在多少%的機會下會得到目前的結果。倘若經比較後發現，出現這結果的機率很少，亦即是說，是在機會很少、很罕有的情況下才出現；那我們便可以有信心的說，這不是巧合，是具有統計學上的意義的(用統計學的話講，就是能夠拒絕虛無假設null hypothesis,ho)。相反，若比較後發現，出現的機率很高，並不罕見；那我們便不能很有信心的直指這不是巧合，也許是巧合，也許不是，但我們沒能確定。
拓展資料
r·a·fisher（1890-1962）作為一代假設檢驗理論的創立者，在假設檢驗中首先提出p值的概念。他認為假設檢驗是一種程式，研究人員依照這一程式可以對某一總體引數形成一種判斷。也就是說，他認為假設檢驗是資料分析的一種形式，是人們在研究中加入的主觀資訊。
（當時這一觀點遭到了neyman-pearson的反對，他們認為假設檢驗是一種方法，決策者在不確定的條件下進行運作，利用這一方法可以在兩種可能中作出明確的選擇，而同時又要控制錯誤發生的概率。這兩種方法進行長期且痛苦的論戰。雖然fisher的這一觀點同樣也遭到了現代統計學家的反對，但是他對現代假設檢驗的發展作出了巨大的貢獻。
）fisher的具體做法是：
假定某一引數的取值。
選擇一個檢驗統計量(例如z 統計量或z 統計量) ，該統計量的分佈在假定的引數取值為真時應該是完全已知的。
從研究總體中抽取一個隨機樣本計算檢驗統計量的值計算概率p值或者說觀測的顯著水平，即在假設為真時的前提下，檢驗統計量大於或等於實際觀測值的概率。
如果p<0.01，說明是較強的判定結果，拒絕假定的引數取值。
如果0.01如果p值》0.05，說明結果更傾向於接受假定的引數取值。
可是，那個年代，由於硬體的問題，計算p值並非易事，人們就採用了統計量檢驗方法，也就是我們最初學的t值和t臨界值比較的方法。統計檢驗法是在檢驗之前確定顯著性水平α，也就是說事先確定了拒絕域。但是，如果選中相同的，所有檢驗結論的可靠性都一樣，無法給出觀測資料與原假設之間不一致程度的精確度量。
只要統計量落在拒絕域，假設的結果都是一樣，即結果顯著。但實際上，統計量落在拒絕域不同的地方，實際上的顯著性有較大的差異。
因此，隨著計算機的發展，p值的計算不再是個難題，使得p值變成最常用的統計指標之一。
8樓：匿名使用者
統計中的梯子和桌布是有本質上的區別。
菜鳥求教怎麼看t值和p值，怎麼知道各個變數的顯著性和通過t檢驗
9樓：吳思瑭
菜鳥bai求教怎麼看t值和dup值
t值和p值都用來判斷zhi統計上是否顯著的指標。daop值就是拒內絕原假設的最
小alpha值嘛容，把統計量寫出來，帶進去算出來之後，根據統計量的分佈來算p值啊，舉個例子，比如說算出來的統計量的值為z,服從的是正態分佈，如果是雙邊檢驗的話那麼pvalue=2*(1-probnorm(abs(z)));
單邊檢驗的話，應該是1-probnorm(z);
具體問題具體分析，不同的檢驗方法求p值方法也不一樣，統計的書上肯定都有；t值計算方法相似。
10樓：匿名使用者
p小於0.05就是有顯著
怎麼用excel計算p-value
11樓：樂跑小子
假設檢驗是推斷統計中的一項重要內容。
用sas、spss等專業統計軟體進行假設檢驗，在假設檢驗中常見到p 值方法( p-value，probability，pr)，這是由於它更容易應用於計算機軟體中。
統計學根據顯著性檢驗方法所得到的p 值，一般以p < 0.05 為顯著， p <0.01 為非常顯著，其含義是樣本間的差異由抽樣誤差所致的概率小於0.05 或0.01。
實際上，p 值不能賦予資料任何重要性，只能說明某事件發生的機率。p < 0.01 時樣本間的差異比p < 0.05 時更大，這種說法是錯誤的。
統計結果中顯示pr > f，也可寫成pr( >f)，p = p或p = p。
下面的內容列出了p值計算方法。
(1) p值是：
1) 一種概率，一種在原假設為真的前提下出現觀察樣本以及更極端情況的概率。
2) 拒絕原假設的最小顯著性水平。
3) 觀察到的(例項的) 顯著性水平。
4) 表示對原假設的支援程度，是用於確定是否應該拒絕原假設的另一種方法。
5)注意：p值不是給定樣本結果時原假設為真的概率，而是給定原假設為真時樣本結果出現的概率。
(2) p 值的計算：
一般地，用x 表示檢驗的統計量，當h0 為真時，可由樣本資料計算出該統計量的值c ，根據檢驗統計量x 的具體分佈，可求出p 值。具體地說:
左側檢驗的p 值為檢驗統計量x 小於樣本統計值c 的概率，即: p = p
右側檢驗的p 值為檢驗統計量x 大於樣本統計值c 的概率: p = p
雙側檢驗的p 值為檢驗統計量x 落在樣本統計值c 為端點的尾部區域內的概率的2 倍: p = 2p (當c 位於分佈曲線的右端時) 或p = 2p (當c 位於分佈曲線的左端時) 。若x 服從正態分佈和t 分佈，其分佈曲線是關於縱軸對稱的，故其p 值可表示為p = p 。
計算出p 值後，將給定的顯著性水平α與p 值比較，就可作出檢驗的結論:
如果α > p 值，則在顯著性水平α下拒絕原假設。
如果α ≤ p 值，則在顯著性水平α下接受原假設。
在實踐中，當α = p 值時，也即統計量的值c 剛好等於臨界值，為慎重起見，可增加樣本容量，重新進行抽樣檢驗。
EXCEL公式計算出勤小時，EXCEL公式 計算員工出勤時間
計算出勤小時的公式 if and a2 time 7,15,0 a2 time 7,40,0 b2 time 11,25,0 b2 time 11,40,0 4,roundup b2 a2 48,0 0.5 1 在excel2016中，建立 2 在c2中輸入公式，可以看見，7 40 11 25，算作...
如何用EXCEL公式計算出勤時間
1 可以新建一個簡易 設定標題 日期 開始 結束 時間 如圖所示。2 回車，用填充柄填充其他單元格，即可完成e列其他單元格的公式設定。3 在 開始 那一列輸入起始時間點，如圖所示。4 在 結束 那一列輸入線束的時間點，如圖所示。5 在e列可以看到已自動計算出時間。 計算出勤小時的公式 if and ...
excel設定公式問題？如圖，需要計算出G列各自的金額，D F，怎樣設定？還有後面的I列和總金額
g2單元格寫入公式 if d2 d2 f2 下拉填充公式 i2單元格寫入公式 if d2 d2 h2 下拉填充公式 沒有說明是求什麼總金額,如果能說明清楚再寫公式給你或按如下規律和方法設定公式 excel四則運算 以a1至a5單元格區域及b6單元格為例,a1至a5分別為1,2,3,4,5,b6為6 ...