如果在显著性水平α＝0.05接受h0,那么在显著性水平

控制不同的变量,结果自然是不同的,没什么奇怪我经常帮别人做这类的数据统计分析的再问：那我所检验的俩数据到底是真相关还是假相关。。

的确是A.建议可以搜索下P值（p-value）,帮助理解.此处用P值解说比较清楚,介绍见后..05显著性水平下,没有拒绝H0,接受了H0,则说明P-value大於.05了,那麽P-vavlue肯定也大

你那个0.02就是检验的p值,当它小于显著性水平时,就要拒绝原假设.显著性水平与犯第一类错误的概率之间不是一回事,但存在一个控制关系：犯第一类错误的概率不会超过显著性水平.这个控制关系也是我们在确定拒

方差分析中采纳我的吧.

再问：最后一步是怎么得到的。我文科生，有点不明白再问：倒数第二部懂，就是怎么这样就说明c是它呢再问：懂了，谢谢

显著性水平α在统计学中叫做犯第一类错误的大小,第一类错误就是原假设是对的,但是被拒绝的概率,我们一般把这个显著性水平α定为0.05.假设有个检验统计量是F,然后把样本数据代入F可以算出一个值记为f,那

常量系数为负是什么意思怎么分析,而且如果在显著性水平sig大于0.5这合理不?第一,常量估计值并不是负的,而是6.353.第二,其它的解释变量中,有三个系数是负值,这说明,这些自变量与因变量是反向即负

C显著性水平是人们事先指定的犯第Ⅰ类错误的最大允许值.显著性水平越小,犯第一类错误的可能性自然就越小,但犯第二类错误的可能性则随之增大.确定了显著性水平就等于控制了犯第Ⅰ类错误的概率,即我们在拒绝原假

以你所选取的自变量拟出的公式与实际的统计值出入比较大,建议去除相关性较小的几个自变量就有可能小于0.05.

正交实验的数据处理使用的是方差分析法,其原假设是各组平均值之间无显著差异.在显著性水平取0.05的前提下,sig值（也就是统计学教科书的P值）大于0.05就表明不能否定原假设,也就是这个因素对结果没有

拿u检验来讲,假设检验是这样的P{T>u}=1-α就是说要以1-α的“绝大多数情况”保证统计量大于,或者小于,或者是等于总体的某个均值或者方差,检验发现合适,就通过原假设.拒绝了,就接受备选假设

就说明你的交互作用可能有A1B1,A1B2,A1B3,A2B1.这几种处理水平结合引起的!这个没有什么的!你就需要探究这几种处理结合的差异.是不是有其他潜变量的影响.

什么是显著性水平?: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为置信水平).α从0.1变为0.01,则错误概率变小,原拒绝H0,则现在可能接受,也可能拒绝.选B

取0.05就是置信度为95%,取0.01置信度就是99%.具体选哪个就看得到的结果了,如有大部分都得P值都非常小,那就取0.01了,要是P值都很大,那就取0.05好了.一般情况下,0.05就可以,当然

这个貌似不用设的,你可以想一下相关系数下面的P值,如果P

取0.05就是置信度为95%,取0.01置信度就是99%.具体选哪个就看得到的结果了,如有大部分都得P值都非常小,那就取0.01了,要是P值都很大,那就取0.05好了.一般情况下,0.05就可以,当然

检验的显著性水平是(B）显著性水平是人们事先指定的犯第Ⅰ类错误的最大允许值.显著性水平越小,犯第一类错误的可能性自然就越小,但犯第二类错误的可能性则随之增大.确定了显著性水平就等于控制了犯第Ⅰ类错误的

这个问题很简单,p值自然首先要以实际的精确数值为准,如果实际数值在0.01-0.05之间,那就是0.05水平的显著,如果在0.001-0.01之间,那就是0.01水平显著,实际数值你可以在sig表格的

a提高,就是说排斥Ho的增加,越来越多的例子被算作出格的,对样本聚拢于Ho的要求更加严格置信区间应该是包括期望以上(1-a)/2和以下(1-a)/2之内,总共1-a,排斥掉上下边缘的a/2和a/2如果

z是是统计量,sig是p值,你的都是没有差异的再问：谢谢~~那请问z值或者p值是什么范围的时候才算没有差异呢？再答：z值无所谓的，只有要看pp大于0.05没有差异再问：不好意思，再问一下，p值是看双侧