假设检验,p-value,glm

Fisher指出显著性检验可能得出的三种结论：

一. p-value很小（通常是小于0.01），他认为某种结果已经确实无疑地表现出来了，也就是说基本能够否定原假设了。

二. p-value很大（通常大于0.2），他宣称即使这个结果真的存在，也会因为该结果发生的可能性太小，所以不可能有任何能够显示出这个结果的大规模实验。其大意就是因为p-value不显著，即使真实的情况是原假设是错误的，也会因为这种情况发生的几率太小，使得在实际中没办法做那么大样本的实验来支持这一论点。

三.p-value介于二者之间，Fisher则讨论了应如何设计下一个实验，才能够优化自己的结果

glm假设检验都是假设只有一个参数，其余均为0（null model）
所有回归的假设检验的原假设都是系数为零，所以也叫零假设