统计学意义（p值） 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（变量之间的独立性成立），我们重复类似实验，会发现约20个实验中有一
转载
2023-09-21 22:13:54
91阅读
# Python P值不显著
在统计学中，假设检验是一种常用的方法，用于确定两个或多个数据集之间是否存在显著的差异。其中，P值是一个重要的指标，用来衡量观察到的数据与假设之间的一致性。P值越小，表明观察到数据与假设之间的差异越大，通常小于0.05的P值被认为是显著的。
在Python中，我们可以使用统计模块`scipy`进行假设检验，通过计算P值来判断数据集之间的差异是否显著。在实际应用中，有
原创
2024-04-22 06:07:09
60阅读
目录背景空间自相关空间权重矩阵全局空间自相关局部空间自相关空间计量模型空间滞后与空间误差地理加权回归显著性检验 背景源于：地理学第一定律；空间数据具有空间依赖和空间自相关性核心：认识与地理位置相关的数据之间的空间依赖、空间关联或空间自相关；通过空间位置建立数据间的统计关系。运用统计分析法，建立空间统计模型、从数据中挖掘空间自相关与空间变异规律。经典统计方法认为样本独立假设；而空间数据并非完全独立
转载
2023-12-01 12:55:02
387阅读
导读：即使是没有任何统计学基础的读者朋友可能也听说过「p 值」，但是鲜有文章能够清楚解释 p 值是什么，以及 p 值在统计学中的作用。本文是 TowardDataScience 的一篇博文，作者条理清楚地解释了 p 值的相关内容，并给出了一个简单的例子，适合读者参考。 作者：Amond Lee
机器之心(ID：almosthuman2014)编译
参与：李诗萌、一鸣
原文：T
P值与significant的理解 发表日期：2015-01-21 P值可以理解为结论的风险大小，也就是根据数据得出的结果有多大的错误风险，P值越小，结论错误的风险越小，即结论越可靠。P值越大，错误的风险越大，即结论的可靠性差。实际上significant的含义应该是“非偶然的”，当根据样本资料所得结果是significant，实际上表明这一结果“不是
转载
2024-07-20 11:03:48
47阅读
sig值就是统计意义p值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
转载
2023-11-28 07:12:29
88阅读
【新智元导读】三位统计学家在Nature上发布公开信，号召科学家放弃追求“统计学意义”，这封公开信一周之内吸引了超过800名研究人员共同反对。大学里好不容易听懂的统计学，会变成一件没“意义”的事情吗？统计学白学了？最新一期Nature杂志发表了三位统计学家的一封公开信，他们号召科学家放弃追求“统计学意义”，并且停止用统计学中常见的P值作为判断标准。一般认为P≤0.05或者P≤0.01就有
转载
2024-01-16 05:45:59
120阅读
# Python回归变量不显著
在数据分析中，回归分析是一种常用的方法，用于研究自变量与因变量之间的关系。通过回归分析，我们可以得出自变量对因变量的影响程度，以及预测因变量的数值。然而，在实际应用中，有时候我们会发现某些自变量对因变量的影响并不显著，也就是说它们的系数不具有统计学意义。本文将介绍如何使用Python对回归模型中不显著的变量进行检验，并进行相应的处理。
## 回归模型
在回归分
原创
2024-03-31 04:10:09
123阅读
大家在进行生存预后分析时发现结果不显著，是不是当头一棒！两眼一黑！难不成这就代表我们的研究没意义吗？NONONO！别慌！说不定还有救！快来看看最佳阈值能不能捞你一把！生存分析不显著怎么办通常情况下，为了确定一个二分变量（例如基因表达高/低）的最佳阈值，我们可能会使用中位数作为阈值，将样本分为两组，然后对生存曲线进行比较。但有时候使用中位数作为阈值可能并不足以找到显著的差异，这时可以考虑使用最佳阈值
相关矩阵表各个变量之间存在着较强的相关关系，如果直接对其进行分析的话，有可能产生严重的共线性的问题，所以，就有必要对其进行主成分分析。上面表中的空格表明自身相关系数为1，它的不相关的显著性概率为0，也就不再显示出来了。变量共同度上面表中所显示出来的变量的共同度对所有的变量都是1，说明这个模型解释了每一个变量的全部的方差，然而就不需要特殊因子了，也就是说特殊因子的方差为0。解释总方差表根据上面解释总
转载
2024-09-03 15:20:51
23阅读
在做简单线性回归或者多元线性回归时，如何评估参数的统计意义和经济意义是我们研究问题的两个重要方面，理论意义和经济意义是如何显示在数字上的呢？以下是笔者在做相关或者线性回归课题时学习整理出来的，在此分享记录。参数的t统计量足够大，或者p值足够小（小于预先确定的显著性水平α），那么我们称该参数显著（显著不为0）。但是，有时，统计学上显著不为0的参数的估计值非常小，他还具有分析的意义吗？实际上这就是一个
转载
2024-01-15 07:16:43
98阅读
An error occurred while attempting to fit the model. 拟合模型时出现一个错误。The sample moment matrix is not positive definite. It could fail to be positive definite for any of the following reasons: 样本
转载
2024-04-17 17:25:31
102阅读
郑冰刚提到P值，说P值的定义（着重号是笔者加的，英文是从WikiPedia摘来的）： P值就是当原假设为真时，比所得到的样本观察结果更极端的结果出现的概率。 The P-value is the probability of obtaining a result at least as extrem
转载
2021-07-16 10:29:24
10000+阅读
文章目录什么是逻辑回归逻辑回归的代价函数极大似然估计利用梯度下降法求参数 我也只是在学习的过程中，相当于自己理解推导一遍做个笔记，参考了别人很多东西，文末有相关链接。什么是逻辑回归逻辑回归也叫做对数几率回归，但它却用来做二分类。 线性回归产生的预测值为 ，线性回归通常用来做回归。但是可以在线性回归基础上，加上性质像阶跃函数但光滑可导的sigmod函数，然后算出一个概率来。如果大于0.5，可以将它
转载
2024-07-07 10:06:10
42阅读
机器学习概述1 定义机器学习是从数据中自动分析获得模型，并利用模型对未知数据进行预测。2.解释我们人从大量的日常经验中归纳规律，当面临新的问题的时候，就可以利用以往总结的规律去分析现实状况，采取最佳策略。从数据（大量的猫和狗的图片）中自动分析获得模型（辨别猫和狗的规律），从而使机器拥有识别猫和狗的能力。从数据（房屋的各种信息）中自动分析获得模型（判断房屋价格的规律），从而使机器拥有预测房屋价格的能
1 显著性水平显著性水平是估计总体参数落在某一区间内，可能犯错误的概率，用α表示。α表示原假设为真时，拒绝原假设的概率。1-α 为置信度或置信水平，其表明了区间估计的可靠性 。2 P值在假设检验中常见到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
转载
2023-08-10 16:26:31
259阅读
数据出来要做几件事：首先判断数据是否符合正态分布，如果符合的话，就要进行t-检验，那么进行t-检验的作用在哪呢？t-检验主要用于样本含量较小（例如n<30），总体标准差σ未知的正态分布生动形象的很T分布的曲线和正态分布有点像，当然公式不一样。T分布在样本量极大的时候趋近于正态分布。正态分布只要知道均值和标准差就可以画出曲线，T分布还要知道一个值叫“自由度”df，df=n-1。我不知道什么是自
转载
2024-06-24 18:41:30
67阅读
# Python自定义计算显著性p值
## 引言
在统计学中，p值是用来评估在给定的假设条件下观察到的数据与期望值之间的差异的概率。p值越小，说明观察到的数据与期望值之间的差异越显著，因此我们可以拒绝原假设。本文将教会你如何使用Python自定义计算显著性p值。
## 整体流程
首先，让我们来看一下整个计算显著性p值的流程。下面是一个流程图，展示了计算p值的步骤。
```mermaid
gr
原创
2023-11-28 04:23:42
132阅读
# 显著性分析：Python T检验的P值
作为一名经验丰富的开发者，我将在本篇文章中教你如何使用Python进行显著性分析，具体地是使用T检验来计算P值。无论是学术研究还是商业决策，显著性分析都是非常重要的一环。
## 显著性分析的流程
在开始之前，让我们先了解一下显著性分析的整体流程。下面是一个简单的流程表格：
| 步骤 | 操作 |
| --- | --- |
| 1 | 准备数据
原创
2023-12-31 06:59:04
157阅读
# Python 调整相关性显著性 p 值的科学探索
在数据分析领域，相关性分析是理解变量之间关系的重要工具。尤其是在处理涉及多个变量的数据时，对 p 值的调整显得尤为重要。本文将通过示例讲解如何使用 Python 调整相关性显著性 p 值，并提供相应的可视化状态图和序列图，以便更好地理解这个过程。
## 1. 什么是 p 值及其重要性
在假设检验中，p 值是用于判断观察到的数据与零假设的合
原创
2024-09-26 03:29:45
204阅读
