Question

gis空间统计中的零假设、P值、Z值指什么？

Answer 1

零假设指进行统计检验时预先建立的假设。

p值指的是某一事件发生的可能性大小。

Z值表示标准差的倍数。

Answer 2

零假设（null hypothesis），有时候又称原假设，指进行统计检验时预先建立的假设。也就是说，你在检验你的结果之前，先对这些结果假设一个数值区间，这个区间一般是符合某种概率分布的情况，如果你的真实结果偏离了你设定的区间，就表示发生了小概率事件。这样你原来的假设就不成立了。

p值（P-Value，Probability，Pr），代表的是概率。它是反映某一事件发生的可能性大小。在空间相关性的分析中，p 值表示所观测到的空间模式是由某一随机过程创建而成的概率。比如我说，你计算出来的p值是1，那就表示你用于计算的这份数据，100%是随机生成的了（当然，不可能是1的，0.5以上就也不得了）。如果是0.1，就表示只有10%的可能性是随机生成的结果。

z得分（Z scores）表示标准差的倍数（standard deviations）。

Answer 3

零假设（null hypothesis），有时候又称原假设，官方的解释是：指进行统计检验时预先建立的假设。也就是说，你在检验你的结果之前，先对这些结果假设一个数值区间，这个区间一般是符合某种概率分布的情况，如果你的真实结果偏离了你设定的区间，就表示发生了小概率事件。这样你原来的假设就不成立了。

 p值（P-Value，Probability，Pr），代表的是概率。它是反映某一事件发生的可能性大小。在空间相关性的分析中，p 值表示所观测到的空间模式是由某一随机过程创建而成的概率。比如我说，你计算出来的p值是1，那就表示你用于计算的这份数据，100%是随机生成的了（当然，不可能是1的，0.5以上就也不得了）。如果是0.1，就表示只有10%的可能性是随机生成的结果。

z得分（Z scores）表示标准差的倍数（standard deviations）。“标准差”是什么，在官方的解释是：“总体各单位标准值与其平均数离差平方的算术平均数的平方根”，好吧，我知道这个概念有点绕口，你就知道记住“标准差能反映一个数据集的离散程度”，就可以了。那么z得分，就是标准差的倍数（有正负之分），比如z得分是+2.5，就表示你的数据计算出来，得到的结果是标准差的正2.5倍，那么就表示数据已经高度聚集了。反之，如果你算出来的是-2.5,那么就表示你的结果是标准差的负2.5倍，就是高度离散的数据了。

Answer 4

零假设（null hypothesis），有时候又称原假设，官方的解释是：指进行统计检验时预先建立的假设。也就是说，你在检验你的结果之前，先对这些结果假设一个数值区间，这个区间一般是符合某种概率分布的情况，如果你的真实结果偏离了你设定的区间，就表示发生了小概率事件。这样你原来的假设就不成立了。

p值（P-Value，Probability，Pr），代表的是概率。它是反映某一事件发生的可能性大小。在空间相关性的分析中，p 值表示所观测到的空间模式是由某一随机过程创建而成的概率。比如我说，你计算出来的p值是1，那就表示你用于计算的这份数据，100%是随机生成的了（当然，不可能是1的，0.5以上就也不得了）。如果是0.1，就表示只有10%的可能性是随机生成的结果。

z得分（Z scores）表示标准差的倍数（standard deviations）。

Answer 5

在空间统计中，零假设指的就是空间位置在一定区域里面呈现完全随机（均匀）分布。

p 是一个值（p value），而z是一个得分（z scores)。

P值（P-Value，Probability，Pr），代表的是概率。它是反映某一事件发生的可能性大小。在空间相关性的分析中，P值表示所观测到的空间模式是由某一随机过程创建而成的概率。Z得分（Z scores）表示标准差的倍数。

Answer 6

零假设：进行统计检验时预先建立的假设。

P值：代表概念。

Z值：标准差的倍数。

Answer 7

零假设（null hypothesis），有时候又称原假设，官方的解释是：指进行统计检验时预先建立的假设。也就是说，你在检验你的结果之前，先对这些结果假设一个数值区间，这个区间一般是符合某种概率分布的情况，如果你的真实结果偏离了你设定的区间，就表示发生了小概率事件。这样你原来的假设就不成立了。

p值（P-Value，Probability，Pr），代表的是概率。它是反映某一事件发生的可能性大小。在空间相关性的分析中，p 值表示所观测到的空间模式是由某一随机过程创建而成的概率。比如我说，你计算出来的p值是1，那就表示你用于计算的这份数据，100%是随机生成的了（当然，不可能是1的，0.5以上就也不得了）。如果是0.1，就表示只有10%的可能性是随机生成的结果。

z得分（Z scores）表示标准差的倍数（standard deviations）。

“标准差能反映一个数据集的离散程度

Answer 8

零假设（null hypothesis）就是你在检验你的结果之前，先对这些结果假设一个数值区间，这个区间一般是符合某种概率分布的情况，如果你的真实结果偏离了你设定的区间，就表示发生了小概率事件。这样你原来的假设就不成立了。

p值（P-Value，Probability，Pr），代表的是概率。它是反映某一事件发生的可能性大小。在空间相关性的分析中，p 值表示所观测到的空间模式是由某一随机过程创建而成的概率。

z（Z scores）表示标准差的倍数（standard deviations）。“总体各单位标准值与其平均数离差平方的算术平均数的平方根”。标准差能反映一个数据集的离散程度。

Answer 9

零假设指的就是空间位置在一定区域里面呈现完全随机（均匀）分布（在自然现象里面，均匀分布是极小概率才会出现的，基本上都可以忽略了，所以一般谈的就是完全随机）。

p值代表数据来源的可靠性，z表示此数据有明显的规律。

Answer 10

零假设指进行统计检验时预先建立的假设。就是说，在检验结果之前，先对这些结果假设一个数值区间，这个区间一般是符合某种概率分布的情况，如果真实结果偏离了设定的区间，就表示发生了小概率事件。这样原来的假设就不成立了。

p值（P-Value），代表的是概率。它是反映某一事件发生的可能性大小。在空间相关性的分析中，p 值表示所观测到的空间模式是由某一随机过程创建而成的概率。比如计算出来的p值是1，那就表示用于计算的这份数据，100%是随机生成的了（正常情况下不可能是1）。如果是0.1，就表示只有10%的可能性是随机生成的结果。

z得分（Z scores）表示标准差的倍数。标准差能反映一个数据集的离散程度，而z得分，就是标准差的倍数（有正负之分），比如z得分是+2.5，就表示数据计算出来，得到的结果是标准差的正2.5倍，那么就表示数据已经高度聚集了。反之，如果算出来的是-2.5，那么就表示结果是标准差的负2.5倍，就是高度离散的数据了。