精度5置信度是多少，什么叫95置信区间请用统计学只是回答谢谢1

1，什么叫95置信区间请用统计学只是回答谢谢1

真实数据往往是实际上不能获知的，我们只能进行估计，估计的结果是给出一对数据，比如从1到1.5，真实的值落在1到1.5之间的可能性是95%（也有5%的可能性在这区间之外的）。区间是由抽样的数据根据大样定律结合查表得来的。区间越小精度越高，区间越大置信度越高。比如猜这个女孩的年龄，你给出区间是20-25，这个区间很小置信度很低但精度就很高，你说在8岁到80岁之间，那是百分百的置信度了不过精度太低毫无意义。95%的置信度是一般通用的。

什么叫95置信区间请用统计学只是回答谢谢1

2，假定两个总体的标准差分别为12和15若要求误差范围不超过5相应

excel中的精度还是比较高的. 除非输入错是不会有误差的. 但有个例外.实际与显示不一样. 比如说我们引用一个单元格里面的数据.就说a1吧如果a1=12.259875 我们在b1里面输入=a1 显然b1的值就是12.259875 但是呢如果我们把a1的单元格设置为只显示两位小数时a1显示为12.30 而b1里面是a1的值会是否12.259875 这就存在了差别.我们在做计算的时候.不到最后一步最好不要用设置单元格里面设置让它显示几位小数. 如果是多个数相加等运算偏差可能很大.我们通常直接用取舍函数来做.比如在a1里面用=round(12.259875,2) 或者在b1里面用=round(a1,2).2表示保留两位小数.这是一个简单的例子.加上其他函数你可以变通着用! 有什么不明白的加q.找我82392939

假定两个总体的标准差分别为12和15若要求误差范围不超过5相应

3，excel求置信区间的误差范围是什么

抽样平均误差 B 误差范围 C 置信下限 D 置信上限 E 请帮我利用EXCEL求出我看文献时发现有些文献是用95％和5％分位数来表示置信度的上下限，所以我

这个是你自己设置的，默认设置是5%（就是95%的概率是在这个区间以内），这是统计学上最常用的置信度，当然你也可以更改为1%或者其他

excel求置信区间的误差范围是什么

4，专业gps手持机和手机导航的区别

我是专业做GPS的，对于专业手持机和手机GPS之间的区别很了解，在这里和你简单交流下。1、GPS最重要的是定位精度和置信度。专业手持机使用的GPS芯片性能要稳定一些，精度会更好，如Garmin手持机高端的产品定位可以达到3米以内，而手机的GPS芯片则不同。2、两者在设计和定位人群是有很大区别的。专业GPS更专注于户外和行业用户使用，设计理念就是如何在户外能更好的使用，包括旅游探险等有非常全的户外旅游助手功能，而手机GPS只是一个趋势而已，没有什么目的可言。3、专业手持机具有工业级的三防设计。首先如果在户外用，那么摔了，进水了等都有可能，而且这东西还很贵，所以专业手持机会有很高的防震防水性能。4、屏幕设计不同。如果您细心观察，您可以看到在户外强光下，手机根本无法看清屏幕上显示的内容，而专业手持机不一样，能在强光下看的清楚，不影响外业作业工作。5、电池续航能力强，是专业GPS的一大特点，Garmin手持机一般一对干电池可以使用十小时以上，而手机GPS不开GPS的话也就能用几个小时，如果再打开GPS一般情况下3小时左右就会over。6、配套软件不同。专业GPS手持机会有相关的PC端数据处理软件，这种软件可以实现采集的数据的处理，以及采集数据的应用。而手机GPS则只能导航而已，而导航仅仅是GPS功能的一小部分而已。我就简单说这些，这是我个人总结出来的区别，如果您有什么不清楚的可以再交流。希望对您有帮助。

一、设计思路和使用对象不同　　手持机是针对军事、测绘、矿业、农业、户外运动（登山、徒步穿越、定向越野、自行车运动、水上运动、滑翔伞等）设计的。手机导航是为城市中驾车一族所设计的，内置的兴趣点也大多集中在城市中。　　二、硬件配置的不同　　由于野外工作的环境比较恶劣，所以防水、防尘、防震对于手持GPS是很必要的。市面上手持GPS的防水级别一般为IPX7，而连续使用时间则常常超过10个小时。手机则没这么多要求。手持GPS的功能比较简单，甚至大部分产品的屏幕仍是灰度显示，多媒体功能几乎没有。　　在芯片方面，手持GPS与手机GPS之间并没有太大的差别，手机上常用的三星2440芯片与SIRFⅢ接收模块在手持机上也很常见，不过近年来自台湾的MSTAR方案由于其廉价的优势，在低端手持机中很流行。　　三、地图的差别　　在地图方面两者的区别就比较大了，手持机大多采用等高线地图，城市的详图只是作为辅助。而手机地图则正好相反，对城市街道描述的十分详细。?　　野外没有道路供GPS计算路由用。通俗的说，手持GPS所要做的就是到目的地画一条直线，要自己判断拐点。手持GPS会告诉你到目的地：距离、航向、偏航距等信息（参数很多，可以自己选择显示）。另外手持GPS还具备添加新地标、通过软件自行绘制航点符号、测量平均位置功能，甚至还能测量高度以及气温，凸显了其应用的专业度。手机的导航方式就与前者很不同了。GPS会按照路由算法计算出最近的路径，前提是要有具备详细街道地图才行。GPS会告诉你“前方路口右转”之类的信息。手机GPS还能搜寻起始点附近的兴趣点信息，并且可以计算出到达该地的最快捷路径。

手机用的都是网络导航，没有网了就不行了，专业gps导航是卫星导航，

5，统计P值是什么怎么算

P值（P value）就是当原假设为真时所得到的样本观察结果或更极端结果出现的概率。如果P值很小，说明原假设情况的发生的概率很小，而如果出现了，根据小概率原理，我们就有理由拒绝原假设，P值越小，我们拒绝原假设的理由越充分。总之，P值越小，表明结果越显著。但是检验的结果究竟是“显著的”、“中度显著的”还是“高度显著的”需要我们自己根据P值的大小和实际问题来解决。计算：为理解P值的计算过程，用Z表示检验的统计量，ZC表示根据样本数据计算得到的检验统计量值。 1、左侧检验P值是当时，检验统计量小于或等于根据实际观测样本数据计算得到的检验统计量值的概率，即p值2、右侧检验P值是当μ=μ0时，检验统计量大于或等于根据实际观测样本数据计算得到的检验统计量值的概率，即p值3、双侧检验P值是当μ=μ0时，检验统计量大于或等于根据实际观测样本数据计算得到的检验统计量值的概率，即p值扩展资料美国统计协会公布了P值使用的几大准则：准则1：P值可以表达的是数据与一个给定模型不匹配的程度这条准则的意思是说，我们通常会设立一个假设的模型，称为“原假设”，然后在这个模型下观察数据在多大程度上与原假设背道而驰。P值越小，说明数据与模型之间越不匹配。准则2：P值并不能衡量某条假设为真的概率，或是数据仅由随机因素产生的概率。这条准则表明，尽管研究者们在很多情况下都希望计算出某假设为真的概率，但P值的作用并不是这个。P值只解释数据与假设之间的关系，它并不解释假设本身。准则3：科学结论、商业决策或政策制定不应该仅依赖于P值是否超过一个给定的阈值。这一条给出了对决策制定的建议：成功的决策取决于很多方面，包括实验的设计，测量的质量，外部的信息和证据，假设的合理性等等。仅仅看P值是否小于0.05是非常具有误导性的。准则4：合理的推断过程需要完整的报告和透明度。这条准则强调，在给出统计分析的结果时，不能有选择地给出P值和相关分析。举个例子来说，某项研究可能使用了好几种分析的方法。而研究者只报告P值最小的那项，这就会使得P值无法进行解释。相应地，声明建议研究者应该给出研究过程中检验过的假设的数量，所有使用过的方法和相应的P值等。准则5：P值或统计显著性并不衡量影响的大小或结果的重要性。这句话说明，统计的显著性并不代表科学上的重要性。一个经常会看到的现象是，无论某个效应的影响有多小，当样本量足够大或测量精度足够高时，P值通常都会很小。反之，一些重大的影响如果样本量不够多或测量精度不够高，其P值也可能很大。准则6：P值就其本身而言，并不是一个非常好的对模型或假设所含证据大小的衡量。简而言之，数据分析不能仅仅计算P值，而应该探索其他更贴近数据的模型。声明之后还列举出了一些其他的能对P值进行补充的分析方手段，比如置信区间，贝叶斯方法，似然比，FDR（False Discovery Rate）等等。这些方法都依赖于一些其他的假定，但在一些特定的问题中会比P值更为直接地回答诸如“哪个假定更为正确”这样的问题。声明最后给出了对统计实践者的一些建议：好的科学实践包括方方面面，如好的设计和实施，数值上和图形上对数据进行汇总，对研究中现象的理解，对结果的解释，完整的报告等等——科学的世界里，不存在哪个单一的指标能替代科学的思维方式。参考资料来源：搜狗百科-P值

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。如p=0.05提示样本中变量关联有5%的可能是由于偶然性造成的。即假设总体中任意变量间均无关联，我们重复类似实验，会发现约20个实验中有一个实验，我们所研究的变量关联将等于或强于我们的实验结果。（这并不是说如果变量间存在关联，我们可得到5%或95%次数的相同结果，当总体中的变量存在关联，重复研究和发现关联的可能性与设计的统计学效力有关。）在许多研究领域，0.05的p值通常被认为是可接受错误的边界水平。在最后结论中判断什么样的显著性水平具有统计学意义，不可避免地带有武断性。换句话说，认为结果无效而被拒绝接受的水平的选择具有武断性。实践中，最后的决定通常依赖于数据集比较和分析过程中结果是先验性还是仅仅为均数之间的两两>比较，依赖于总体数据集里结论一致的支持性证据的数量，依赖于以往该研究领域的惯例。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。所有的检验统计都是正态分布的吗并不完全如此，但大多数检验都直接或间接与之有关，可以从正态分布中推导出来，如t检验、f检验或卡方检验。这些检验一般都要求：所分析变量在总体中呈正态分布，即满足所谓的正态假设。许多观察变量的确是呈正态分布的，这也是正态分布是现实世界的基本特征的原因。当人们用在正态分布基础上建立的检验分析非正态分布变量的数据时问题就产生了，（参阅非参数和方差分析的正态性检验）。这种条件下有两种方法：一是用替代的非参数检验（即无分布性检验），但这种方法不方便，因为从它所提供的结论形式看，这种方法统计效率低下、不灵活。另一种方法是：当确定样本量足够大的情况下，通常还是可以使用基于正态分布前提下的检验。后一种方法是基于一个相当重要的原则产生的，该原则对正态方程基础上的总体检验有极其重要的作用。即，随着样本量的增加，样本分布形状趋于正态，即使所研究的变量分布并不呈正态。

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。P值的计算公式是 =2[1-Φ(z0)] 当被测假设H1为 p不等于p0时； =1-Φ(z0) 当被测假设H1为 p大于p0时； =Φ(z0) 当被测假设H1为 p小于p0时；其中，Φ(z0)要查表得到。 z0=（x-n*p0）/(根号下（np0(1-p0)）) 最后，当P值小于某个显著参数的时候（常用0.05，标记为α，给你出题那个人，可能混淆了这两个概念）我们就可以否定假设。反之，则不能否定假设。注意，这里p0是那个缺少的假设满意度，而不是要求的P值。没有p0就形不成假设检验，也就不存在P值

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。

p值就是概率值，一般的统计问题可在excel中的工具 / 数据分析中计算

文章TAG：精度5置信度是多少精度置信置信度