P-value：一个注脚
source link: https://cosx.org/2008/12/p-value-notes/
Go to the source link to view the article. You can view the picture content, updated content and better typesetting reading experience. If the link is broken, please click the button below to view the snapshot at that time.
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。
以下延续白话系列，解释一下，“什么是 P 值，什么是极端”，算是郑文的一个长长的注脚。
回到上次的硬币试验，那是一次二项试验，每次试验投 100 次，记下出现正面的次数, 比如，如果
每次出现的正面数都是 50，你就有把握认为这是一枚均匀的硬币；
正面数等于 45 或者等于 55，你就有一点点的怀疑它是均匀的；
正面数等于 30 或者等于 70，比较怀疑；
正面数等于 10 或者等于 90，非常怀疑。
如上，正面数和反面数的差异越大，你就越有把握认为硬币不是均匀的（拒绝原假设）。重复一下 P 值的定义，“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”，把这个定义套入上述硬币试验的场景中，比如你观察到 “正面数是 10 或者 90，正反面次数差异是 80”：
如果原假设为真（硬币是均匀的），P 值就是你投 100 次，所得的正反面数差异大于 80 的概率。
如果这个 P 值很大，表明，每次投 100 次均匀的硬币，经常有正反面差异大于 80 的情形出现。如果这个 P 值很小，表明，每次投 100 次均匀的硬币，你很难看到正反面的差异会超过 80。
以前说过，10-90 是 A 博士的接受区域。如果一枚硬币投出的正反面次数，差异大于 80，——这真是一个 “极端” 的情形，连保守的 A 博士看了都摇摇头，不能接受原假设，只好认为原假设不对，硬币是有偏的。这里的逻辑是：
在假定原假设为真的情况下，出现所看到的偏差（正反面差异为 80），是这么地不可能（P 值很小），以至于我们不再继续相信原假设。
参考资料:
- 维恩堡《数理统计初级教程》（常学将等译，太原：山西人民出版社，1986，Statistics: An Intuitive Approach By George H. Weinberg and John Abraham Schumaker）
- Statistics I: Course Notes, 2008 SAS Institute Inc. Cary, NC, USA
敬告各位友媒，如需转载，请与统计之都小编联系（直接留言或发至邮箱：[email protected]），获准转载的请在显著位置注明作者和出处（转载自：统计之都），并在文章结尾处附上统计之都微信二维码。
Recommend
About Joyk
Aggregate valuable and interesting links.
Joyk means Joy of geeK