差异有统计学意义怎么降重

问：如何判断差异有统计学意义？怎样解释

1. 答：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≤0.05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0.05≥p>0.01被认为是具有统计学意义，而0.01≥p≥0.001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。
   以上内容参考：

问：多组数据有统计学意义,如何校正

1. 答：使用多组率多重比较的方法矫正,具体方法是将多组数据进行比较后,然后取出比较的平均数后,然后再对平均数进行比较后,在和中间值进行比较，差距过大直接删掉后,剩下的数据就相当于矫正了

问：统计学意义和比较差异有统计学意义是什么意思？

1. 答：1、统计学意义是会统计学描述的是变量，数理统计学描述的是随机变量，而变量和随机变量是两个既有区别又有联系，且在一定条件下可以相互转化的数学。
   2、比较差异有统计学意义是当数据之间具有了显著性差异，就说明参与比对的数据不是来自于同一总体（Population），而是来自于具有差异的两个不同总体，这种差异可能因参与比对的数据是来自不同实验对象的；
   比如一些一般能力测验中，大学学历被试组的成绩与小学学历被试组会有显著性差异。也可能来自于实验处理对实验对象造成了根本性状改变，因而前测后测的数据会有显著性差异。
   扩展资料：
   统计学一共有四种测量的尺度或是四种测量的方式。这四种测量（名目、顺序、等距、等比）在统计过程中具有不等的实用性 。
   1、等比尺度（Ratio measurements）拥有零值及资料间的距离是相等被定义的；
   2、等距尺度（Interval measurements）资料间的距离是相等被定义的但是它的零值并非绝对的无而是自行定义的（如智力或温度的测量）；
   3、顺序尺度（ Ordinal measurements）的意义并非表现在其值而是在其顺序之上；
   4、名目尺度（Nominal measurements）的测量值则不具量的意义。
2. 答：比如你有两组学生的考试成绩，现在考察这两个组的学生的成绩的平均值是否一样。当然观测到的样本几乎不可能会两个均值正好一样，所以我们用分布这个概念来做这个事情。 
   首先，假设每个组内部的人的成绩满足同一个正态分布 
   然后，所谓零假设，一般是指这两个组的正态分布的参数一样。 
   继续，在以上两个假设下，这两个组的平均成绩的差值，也满足一个正态分布（当然参数不一样，这个正态分布的均值参数是0，但是方差参数跟样本数量有关，样本越大方差越小） 
   于是从一次观测，也就是一次考试中，得到这个随机变量“平均成绩的差值”的一次观测值，比如每个组三个人，第一组考了100+100+100，第二组考了50+50+50，那这个“平均成绩的差值”的这次样本实现值就是100-50=50。
   然后，无论你事先是否假设了每个人成绩分布的方差已知还是未知，都可以精确计算“平均成绩的差值”的分布，然后看50在这个分布里是否在很远的地方，如果在，那就说明所谓零假设不太可能成立，那就是说两个组的平均成绩有差异。如果不在很远的地方，那就不能说明两个组的平均成绩有差异。换句话说，就是这两个组的平均成绩的差异有统计意义。 
   三组数据的组间均值有统计学意义就是说“零假设：三组均值相同”这个假设不成立，换句话说可能1=2！=3，或者干脆三个都不一样，但是不会仔细说哪两个不同。1组和3组数据的比较差异有统计学意义就是明白了告诉你至少1跟3不一样，或者“零假设：1跟3均值相同”这个假设不成立。统计方法上这两个假设的检验方法会有不同。