简单理解：第一类错误，第二类错误，统计显著性，空假设和P值

未经允许，禁止转载。

第一类错误（Type I error）

第一类错误，就是我们所说的假阳性结论（FP, False Positive），可以理解为“误判”。例如，统计测试说路人甲有新冠，它很危险，但实际上它没有，只是发烧了，这就是一个FP。

第二类错误（Type II error）

第二类错误，就是我们所说的假阴性结论（FN, False Negative），可以理解为“漏判”（误判和漏判的概念十分方便理解Type I & II errors）。例如，统计测试说路人甲没有新冠，它很安全，但实际上它有，只是没有检测出来，这就是一个FN。

统计显著性（ Statistical significance）

统计显著性是指在假设检验的空假设下，观察结果不可能发生。这个解释有点难以理解，但它其实就是想说我们观察到的效应是否是显著的。统计显著性，用α值来表示显著水平。该值具有主观性，0.5是一个经典的阈值，通常取决于研究领域的要求。如果，我们通过统计计算得到的p值小于阈值，则可以说我们的结果具有统计显著性，拒绝空假设，承认观察到的效应是显著的。

空假设H0（Null hypothesis）

空假设通常是设定为我们感兴趣的变量之间没有关系。例如，我们想要验证早恋是否影响成绩，那么空假设就需要设定为早恋不影响成绩。

P值（p value）

P值，也就是probability value，告诉了我们在空假设下数据发生的可能性，帮助我们拒绝空假设。如果p值小于显著水平α，我们就需要拒绝空假设。

参考

1. p-value
2. type-i-and-type-ii-errors
3. what-is-statistical-significance