为什么p>α(p大于显著性水平)时候就是维持原假设是真是正确的
都说推断统计学就是个P😂,嗯,是个p。
1.α是什么?
大白话说
α是人为设定的一个范围,显著性水平,第一类错误的概率,主要作用是用来划分接受域和拒绝域,如α=0.05,那么接受域就等于1-0.05=0.95
2.那p-value是什么?
3.综合起来
然后理解完α,以α划定好接受域和拒绝域后,以临界值α所在地方画临界线。以样本的均值μ0做一个正态分布(中心极限定理),然后以Z检验为例子,然后样本求出来的z表示的意思就是样本求出来的实际μ(原来总体的)大概离样本均值μ0的距离有多少。
离的越远,样本的统计量就越不像总体的统计量,所以要靠近一点,而p就是此时这个z值位置远离μ0位置的部分的面积,所以可以知道面积越大,p越大,越靠近μ0。
当p>α的时候就满足了我们设定的一个精确的范围,所以当p>α的时候就得出原名正确这个假设是正确的,然后在并且(1-α)概率不犯第一类错误的情况下
注意:第一类错误:就是原命题H0为真的情况下,事实却是假的(也就是弃真)错误,这个概率就是α