如何确定统计学上的显著性？

统计学意义（p值）ZT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。

通常，许多的科学领域中产生p值的结果≤005被认为是统计学意义的边界线，但是这显著性水平还包含了相当高的犯错可能性。结果005≥p>001被认为是具有统计学意义，而001≥p≥0001被认为具有高度统计学意义。但要注意这种分类仅仅是研究基础上非正规的判断常规。

相关观念

为了将统计学应用到科学，工业以及社会问题上，我们由研究母体开始。这可能是一个国家的人民，石头中的水晶，或者是某家特定工厂所生产的商品。一个母体甚至可能由许多次同样的观察程序所组成；由这种资料收集所组成的母体我们称它叫时间序列。

推论统计学被用来将资料中的数据模型化，计算它的机率并且做出对于母体的推论。这个推论可能以对/错问题的答案所呈现（假设检定），对于数字特征量的估计（估计），对于未来观察的预测，关联性的预测（相关性），或是将关系模型化（回归）。其他的模型化技术包括变异数分析（ANOVA），时间序列，以及数据挖掘。

百度百科-统计学

在任何一本概率统计课本里面都有方差分析的计算公式。
P值一般是根据问题的具体要求规定的一个很小的概率，它表示当我们分析的因素对事物事实上没有重要影响，方差分析检验方法做出错误判断的概率。P值一般可以规定为001或者更小以保证方差分析方法能够以较大的概率做出正确的判断。

1、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。

显著性是对差异的程度而言的，程度不同说明引起变动的原因也有不同：一类是条件差异，二类是随机差异，是在进行假设检验时事先确定一个可允许的作为判断界限的小概率标准。

2、P值是用来判定假设检验结果的一个参数，也可以根据不同的分布使用分布的拒绝域进行比较。

P值（P value）就是当原假设为真时所得到的样本观察结果或更极端结果出现的概率。如果P值很小，说明原假设情况的发生的概率很小，而如果出现了，根据小概率原理就有理由拒绝原假设，P值越小，拒绝原假设的理由越充分。

总之，P值越小，表明结果越显著。但是检验的结果究竟是“显著的”、“中度显著的”还是“高度显著的”需要根据P值的大小和实际问题来解决。

扩展资料

显著性水平的理解：

显著性水平是在进行假设检验时事先确定一个可允许的作为判断界限的小概率标准。检验中，依据显著性水平大小把概率划分为二个区间，小于给定标准的概率区间称为拒绝区间，大于这个标准则为接受区间。

事件属于接受区间，原假设成立而无显著性差异；事件属于拒绝区间，拒绝原假设而认为有显著性差异 。对显著水平的理解必须把握以下二点：

1、显著性水平不是一个固定不变的数值，依据拒绝区间所可能承担的风险来决定。

2、统计上所讲的显著性与实际生活工作中的显著性是不一样的。

参考资料来源：百度百科-P值

参考资料来源：百度百科-显著性水平

这里最重要的问题是原假设的选择问题，根据题目的条件，为单总体方差的检验，电视机的样本方差明显大于视频设备的总体标准差，n=30，可看成大样本，满足正态总体
所以，令原假设问
h: s^2<=075
;被择假设：h':s^2>075 （s为电视机的标准差）
构造检验统计量：x^2=s^2(n-1)/s^2=2(30-1)/075=7733……
因为 x^2~x^2(30-1)
所以
再显著性水平α=005下，x^2分布的分位值查表可得：
16047
所以，x^2>16047,拒绝原假设，接受被择假设，即认为电视机的方差显著（α=005）大于075

p值为小于等于005。
显著性水平
概念：
估计总体参数落在某一区间内，可能犯错误的概率为显著性水平，用α表示1-α为置信度或置信水平，其表明了区间估计的可靠性
统计假设检验也称为显著性检验，即指样本统计量和假设的总体参数之间的显著性差异。显著性是对差异的程度而言的，程度不同说明引起变动的原因也有不同：一类是条件差异，一类是随机差异。显著性差异就是实际样本统计量的取值和假设的总体参数的差异超过了通常的偶然因素的作用范围，说明还有系统性的因素发生作用，因而就可以否定某种条件不起作用的假设。假设检验时提出的假设称为原假设或无效假设，就是假定样本统计量与总体参数的差异都是由随机因素引起，不存在条件变动因素。
假设检验运用了小概率原理，事先确定的作为判断的界限，即允许的小概率的标准，称为显著性水平。如果根据命题的原假设所计算出来的概率小于这个标准，就拒绝原假设；大于这个标准则接受原假设。这样显著性水平把概率分布分为两个区间：拒绝区间，接受区间。
显著性水平不是一个固定不变的数字，其越大，则原假设被拒绝的可能性愈大，原假设为真而被否定的风险也愈大。显著性水平应根据所研究的的性质和我们对结论准确性所持的要求而定。

---