什么是P检验？
P检验是一种统计方法，用于检验无效假设的有效性，该无效假设陈述了有关人群的普遍接受的主张。 尽管“无效”一词有些误导，但目的是通过试图反证或无效来测试公认的事实。 P检验可以提供可以拒绝或不能拒绝（统计数据代表“不确定”）广泛接受的要求的证据。
重要要点
- P检验是一种统计方法，用于检验零假设的有效性，该假设陈述了关于某个群体的普遍接受的主张.p值越小，则该零假设应被拒绝的证据越有力，并且可能会使用其他假设使用较大样本量时，P检验统计量通常遵循标准正态分布。
了解P检验
P检验会计算一个值，该值使研究人员能够确定所接受索赔的可信度。 研究人员选择将相应的p值与统计学上显着的水平（置信水平）alpha（α）进行比较，以评估结果的随机性。 当使用大样本量时，P检验统计量通常遵循标准正态分布。
研究人员通常会选择5％或更低的alpha值，这意味着95％或更高的置信度。 换句话说，p值小于5％的alpha值意味着您的结果 并非随机的 可能性大于95％ ， 从而增强了结果的重要性。 这是使研究人员可以拒绝原假设的证据。
- p值（p值<alpha）越小，则原假设应被拒绝的证据越强，替代假设可能更可信.p值（p值> alpha）越大，则反对原假设的证据较弱，这意味着原假设不能被拒绝，从而使检验没有定论。
在进行假设检验以验证索赔时，研究人员假设两个假设-无效（H 0 ）和备用（H 1 ）。 提出零假设和替代假设是P检验可以为研究人员提供有用性的关键。
零假设说明了一种普遍持有的信念或前提，研究人员对其进行测试以查看他们是否可以拒绝它。 要掌握的关键点是，研究人员要始终拒绝原假设，而P检验可以帮助他们实现这一目标。 还要注意的另一点是，如果P检验未能拒绝无效假设，则该检验被认为是非结论性的，绝不是对零假设的肯定。
替代假设是研究人员为更好地解释所研究现象而提出的不同解释。 因此，它必须是唯一或最佳的替代解释。 这样，如果p值验证了对原假设的拒绝，那么可以将替代假设视为可信的。
Z检验和T检验
统计检验的一种常见且简单的类型是z检验，它检验样本均值对假设总体均值的统计显着性，但需要知道总体的标准差，而这通常是不可能的。 t检验是一种更现实的检验类型，因为它只需要样本的标准偏差，而不是总体的标准偏差。
了解统计数据如何影响产品开发，尤其是在生物技术方面，对指导投资者做出更明智的投资决策非常有用。 例如，对有前途的药物的临床试验的统计结果的基本了解对于评估生物技术股票的潜在回报可能是非常宝贵的。
