假设检验中的显著性水平与p值

假设检验的原理

假设检验是根据样本信息，提出对于总体信息的假设，并且对假设的正确性进行推断。

判断原假设的方法

推断的依据是假设成立发生的概率，并且设置显著性水平 $\alpha$ (取值一般为0.01，0.05，0.1)。
在判断原假设过程中，有两种方法。
第一、统计量的比较。由样本数值生成对应的统计量，由显著性水平会生成统计量的边界。如果统计量与显著性水平的边界数值的大小关系与原假设不符合，即可拒绝原假设。
如图中统计量落入（-2，2）外侧，则拒绝原假设。

第二、概率的比较。p值是通过统计量得到的边界处，向拒绝域方向延申范围的概率数值。p值越大，说明统计量越不容易落入拒绝域，也就是越容易落入接受域，越支持原假设。当p值小于显著性水平，则拒绝原假设。

其中显著性性水平，恰好等于第一类错误（弃真）的概率，这个概率认为原假设成立是由随机现象引起的。如果p值大于 $\alpha$，则认为排除了随机现象的影响，样本信息显著反映了总体。