p值與significant的理解
p值可以理解為結論的風險大小，也就是根據資料得出的結果有多大的錯誤風險，p值越小，結論錯誤的風險越小，即結論越可靠。p值越大，錯誤的風險越大，即結論的可靠性差。實際上significant的含義應該是「非偶然的」，當根據樣本資料所得結果是significant，實際上表明這一結果「不是偶然」得到的，更可能是真實存在這樣一種結果。
關於p值的理解
p值可以理解為結論的風險大小，也就是根據資料得出的結果有多大的錯誤風險，p值越小，結論錯誤的風險越小，即結論越可靠。p值越大，錯誤的風險越大，即結論的可靠性差。p值是對已有結果的錯誤風險判斷，與結果大小無關。目前不少醫學雜誌上仍然存在著關於p值的不規範用語，如p≤0.05認為「差異顯著」，p≤0.01認為「差異非常顯著」等，將p值大小與實際差異大小聯絡起來，這是醫學工作者值得注意的地方。
統計學中普遍以0.05作為假設檢驗的檢驗水準，這在當年手工計算的時代無疑是十分方便的。但到了計算機發達的今天，我們已經可以很輕鬆地計算出確切的p值，僅以p≤0.05認為有統計學意義已經不符合潮流了。p值等於0.049和等於0.051有什麼差別呢？無非就是0.049比0.051多了0.2%支援結論的證據，但是少了這0.2%的證據難道就沒有意義了嗎？因此發表文章時不要僅僅給出「p≤0.05」，最好給出確切的p值，以給讀者更多的資訊。
關於significant的理解
以往教材通常將significant譯為「顯著的」，這一詞很容易讓人將其與實際差別大小聯絡起來。實際上significant的含義應該是「非偶然的」，當根據樣本資料所得結果是significant，實際上表明這一結果「不是偶然」得到的，更可能是真實存在這樣一種結果。如顯著性水準設為0.05，則p≤0.05表示根據樣本資料計算的統計量只有不到5%的可能是偶然造成的，反過來就是說，計算的統計量不大可能是偶然造成的，而更有可能是真實的情況。
P值與significant（顯著性）的理解
p值與significant的理解 p值可以理解為結論的風險大小，也就是根據資料得出的結果有多大的錯誤風險，p值越小，結論錯誤的風險越小，即結論越可靠。p值越大，錯誤的風險越大，即結論的可靠性差。實際上significant的含義應該是 非偶然的 當根據樣本資料所得結果是significant，實際...
xxe 回顯與無回顯
學習於紅日安全 一 有回顯 1 直接將外部實體引用的uri設定為敏感目錄 xxe 2 將外部實體引用的 url 設定到本地伺服器，本地構建惡意 dtd 檔案，遠端注入 xxe evil 外部 evil.dtd 中的內容 二 無回顯可以使用外帶資料通道提取資料，先使用 filter 獲取目標檔案的內容...
統計 P值 值
一樓 p是 拒絕原假設時犯錯誤概率 又或者說是 如果你拒絕掉原假設實際上是在冤枉好人的概率 不管怎麼表達理解上都有點繞，所以你還是看例子吧。比如你做乙個假設 null hypothesis 你的女性朋友平均身高2公尺，輸入你統計的樣本資料後，計算機給你返回的p值是0.03。這意味著如果你拒絕 女性朋...