什么是统计意义？
统计显着性是两个或多个变量之间的关系是由偶然性以外的因素引起的可能性。 统计假设检验用于确定数据集的结果是否具有统计意义。 该测试提供了p值，代表随机机会可以解释结果的概率。 通常，p值为5％或更低被认为具有统计学意义。
具有统计意义
了解统计意义
统计显着性用于接受或拒绝原假设，该原假设假设测量变量之间没有关系。 当数据集足够大以准确表示正在研究的现象或总体样本时，该数据集具有统计意义。 如果现象是随机的概率小于1/20，则p值为5％，通常认为该数据集具有统计意义。 当测试结果超过p值时，将接受原假设。 当测试结果小于p值时，将拒绝原假设。
统计意义示例
假设Joe Sample在一家制造跑鞋的公司工作。 为了获得最佳生产效果，他考虑了每种性别的尺码应该制造多少鞋。 乔并没有依据传闻说雄性比雌性更大。 他选择使用统计研究来显示性别和脚的大小之间的关系，从而做出准确的预测。
如果研究的p值为2％（<5％），则将具有统计学意义的结果。 p值表明，脚的大小和性别之间的联系只有2％的机会是机会的结果。 然后，他可以合理地使用研究的数据来准备公司的生产计划。
另一方面，如果p值为6％（> 5％），则将研究作为他的生产计划的基础是不合理的。 因此，如果p值为2％的研究说大多数男人的鞋子尺码在8到12之间，而女人的鞋子尺码在4到8之间，那么他可以制定计划来生产这些尺寸的大多数鞋子。
统计意义通常用于新药物试验，疫苗测试以及病理学研究以进行有效性测试，并告知投资者公司在发布新产品方面的成功程度。
例如，糖尿病药物领域的药物领导者诺和诺德（Novo Nordisk）报告说，在测试其新胰岛素时，1型糖尿病在统计学上有显着降低。 该测试由糖尿病患者中的26周随机治疗组成。 结果是1型糖尿病的减少和p值小于5％，这意味着糖尿病的减少不是由于随机机会。
重要要点
- 统计显着性是两个或多个变量之间的关系不是由偶然性引起的可能性，统计显着性用于接受或拒绝原假设，原假设假设被测变量之间没有关系，统计假设检验用于确定数据集的结果是否具有统计意义。
