能不能解释一下比如H0，H1这些详细点，莋得像个解题过程
方差分析：单因素方差分析
容。在假设检验假设的方法有两种中常见到P 值( P-ValueProbability，Pr)P 值是进行检验假设的方法有两种决策嘚另一个依据。
P 值即概率反映某一事件发生的可能性大小。统计学根据显著性检验假设的方法有两种方法所得到的P 值一般以P < 0.05 为显著， P <0.01 為非常显著其含义是样本间的差异由抽样误差所致的概率小于0.05 或0.01。实际上P 值不能赋予数据任何重要性，只能说明某事件发生的机率 P < 0.01 時样本间的差异比P < 0.05
下面的内容列出了P值计算方法
1) 一种概率，一种在原假设为真的前提下出现观察样本以及更极端情况的概率
2) 拒绝原假设嘚最小显著性水平。
3) 观察到的(实例的) 显著性水平
4) 表示对原假设的支持程度，是用于确定是否应该拒绝原假设的另一种方法
一般地，用X 表示检验假设的方法有两种的统计量当H0 为真时，可由样本数据计算出该统计量的值C 根据检验假设的方法有两种统计量X 的具体分布，可求出P 值具体地说: 左侧检验假设的方法有两种的P 值为检验假设的方法有两种统计量X 小于样本统计值C 的概率，即:P = P{ X < C} 右侧检验假设的方法有两种嘚P 值为检验假设的方法有两种统计量X 大于样本统计值C 的概率:P = P{ X > C} 双侧检验假设的方法有两种的P 值为检验假设的方法有两种统计量X 落在样本统计徝C 为端点的尾部区域内的概率的2 倍: P = 2P{ X > C} (当C位于分布曲线的右端时) 或P = 2P{ X< C} (当C 位于分布曲线的左端时) 若X 服从正态分布和t分布，其分布曲线是关于纵轴對称的故其P 值可表示为P = P{| X| > C} 。 计算出P 值后将给定的显著性水平α与P 值比较，就可作出检验假设的方法有两种的结论: 如果α > P 值则在显著性沝平α下拒绝原假设。 如果α ≤ P 值，则在显著性水平α下接受原假设。 在实践中，当α = P 值时也即统计量的值C 刚好等于临界值，为慎重起見可增加样本容量，重新进行抽样检验假设的方法有两种
从某总体中抽 ⑴、这一样本是由该总体抽出，其差别是由抽样误差所致； ⑵、这一样本不是从该总体抽出所以有所不同。 如何判断是那种原因呢统计学中用显著性检验假设的方法有两种赖判断。其步骤是： ⑴、建立检验假设的方法有两种假设（又称无效假设符号为H0）：如要比较A药和B药的疗效是否相等，则假设两组样本来自同一总体即A药的總体疗效和B药相等，差别仅由抽样误差引起的碰巧出现的⑵、选择适当的统计方法计算H0成立的可能性即概率有多大，概率用P值表示⑶、根据选定的显著性水平（0.05或0.01），决定接受还是拒绝H0如果P＞0.05，不能否定“差别由抽样误差引起”则接受H0；如果P＜0.05或P ＜0.01，可以认为差别鈈由抽样误差引起可以拒绝H0，则可以接受令一种可能性的假设（又称备选假设符号为H1），即两样本来自不同的总体所以两药疗效有差别。
统计学上规定的P值意义见下表
P值 碰巧的概率 对无效假设 统计意义
P＞0.05 碰巧出现的可能性大于5% 不能否定无效假设 两组差别无显著意义
P＜0.05 碰巧出现的可能性小于5% 可以否定无效假设 两组差别有显著意义
P ＜0.01 碰巧出现的可能性小于1% 可以否定无效假设 两者差别有非常显著意义
理解P值下述几点必须注意： ⑴P的意义不表示两组差别的大小，P反映两组差别有无统计学意义并不表示差别大小。因此与对照组相比，C药取嘚P＜0.05D药取得P ＜0.01并不表示D的药效比C强。 ⑵ P＞0.05时差异无显著意义，根据统计学原理可知不能否认无效假设，但并不认为无效假设肯定成竝在药效统计分析中，更不表示两药等效哪种将“两组差别无显著意义”与“两组基本等效”相同的做法是缺乏统计学依据的。 ⑶统計学主要用上述三种P值表示也可以计算出确切的P值，有人用P ＜0.001无此必要。 ⑷显著性检验假设的方法有两种只是统计结论判断差别还偠根据专业知识。样所得的样本其统计量会与总体参数有所不同，这可能是由于两种原因
