统计学中F值和P值的问题
表1中雄性果蝇各浓度组与对照组比较的F值为24.4824; 雌性果蝇各浓度组与对照组比较的F值为14.8346.
表中的F值是怎么算出来的的？还有P值是怎么得出来的，我知道**和*分别表示与对照组相比，统计学有极显著（p＜0.01）、显著差异（p＜0.05），可是怎么能得出p是小于0.01还是0.05的？希望能给出详细解释，是用Excel还是Spss统计软件呢？ 展开
解答如下：
F值表示在某一杀菌条件下的总的杀菌效果，通常是把不同温度下的杀菌时间折算成120℃的杀菌时间，即相当120℃的杀菌时间。应特别注意的是，它不是指工人实际操作所花的时间，它是一个理论上折算过的时间。
P值是衡量控制组与实验组差异大小的指标，*意思是P值小于.05，表示两组存在显著差异，**意思是P值小于.01，表示两组的差异极其显著。
这个可以用SPSS统计，根据你的描述自变量应该是果蝇的性别（雌还是雄），因变量应该是寿命，自变量是名义变量，因变量是连续变量，所以用单因素方差分析就可以得出结果了。
另外，在统计解释时一般不看F值，只需要看P值就可以了，但是在写论文时还是要将F值写出来，并把P值放在后面用括号括起来。
R·A·Fisher（1890-1962）作为一代假设检验理论的创立者，在假设检验中首先提出P值的概念。他认为假设检验是一种程序，研究人员依照这一程序可以对某一总体参数形成一种判断。
也就是说，他认为假设检验是数据分析的一种形式，是人们在研究中加入的主观信息。（当时这一观点遭到了Neyman-Pearson的反对，他们认为假设检验是一种方法，决策者在不确定的条件下进行运作，利用这一方法可以在两种可能中作出明确的选择，而同时又要控制错误发生的概率。
这两种方法进行长期且痛苦的论战。虽然Fisher的这一观点同样也遭到了现代统计学家的反对，但是他对现代假设检验的发展作出了巨大的贡献。）
Fisher的具体做法是：
假定某一参数的取值。
选择一个检验统计量(例如z 统计量或Z 统计量) ，该统计量的分布在假定的参数取值为真时应该是完全已知的。
从研究总体中抽取一个随机样本计算检验统计量的值计算概率P值或者说观测的显著水平，即在假设为真时的前提下，检验统计量大于或等于实际观测值的概率。
如果P<0.01，说明是较强的判定结果，拒绝假定的参数取值。
如果0.01<P值<0.05，说明较弱的判定结果，拒绝假定的参数取值。
如果P值>0.05，说明结果更倾向于接受假定的参数取值。
可是，那个年代，由于硬件的问题，计算P值并非易事，人们就采用了统计量检验方法，也就是我们最初学的t值和t临界值比较的方法。统计检验法是在检验之前确定显著性水平α，也就是说事先确定了拒绝域。
但是，如果选中相同的，所有检验结论的可靠性都一样，无法给出观测数据与原假设之间不一致程度的精确度量。只要统计量落在拒绝域，假设的结果都是一样，即结果显著。但实际上，统计量落在拒绝域不同的地方，实际上的显著性有较大的差异。
因此，随着计算机的发展，P值的计算不再是个难题，使得P值变成最常用的统计指标之一。
F值怎么算呢？用软件的话如何选中数据？
你把数据输进SPSS后，在分析菜单下找单因素方差分析，然后将雌雄性那排名义数据点进自变量里，将寿命点进因变量里，直接点OK就行了，结果报告单中会有F和P值的
