显著是拒绝还是接受原假设

发布网友发布时间：2022-04-27 06:42

共2个回答

热心网友时间：2022-06-27 21:57

显著性检验就是事先对总体（随机变量）的参数或总体分布形式做出一个假设，然后利用样本信息来判断这个假设（原假设）是否合理，即判断总体的真实情况与原假设是否显著地有差异。或者说，显著性检验要判断样本与我们对总体所做的假设之间的差异是纯属机会变异，还是由我们所做的假设与总体真实情况之间不一致所引起的。

　　显著性检验是针对我们对总体所做的假设做检验，其原理就是“小概率事件实际不可能性原理”来接受或否定假设。

　　抽样实验会产生抽样误差，对实验资料进行比较分析时，不能仅凭两个结果（平均数或率）的不同就作出结论，而是要进行统计学分析，鉴别出两者差异是抽样误差引起的，还是由特定的实验处理引起的。

显著性检验的含义
　　显著性检验即用于实验处理组与对照组或两种不同处理的效应之间是否有差异，以及这种差异是否显著的方法。

　　常把一个要检验的假设记作H0,称为原假设（或零假设） (null hypothesis) ，与H0对立的假设记作H1，称为备择假设(alternative hypothesis) 。

　　⑴ 在原假设为真时，决定放弃原假设，称为第一类错误，其出现的概率通常记作α；

　　 ⑵ 在原假设不真时，决定接受原假设，称为第二类错误，其出现的概率通常记作β。

　　通常只限定犯第一类错误的最大概率α，不考虑犯第二类错误的概率β。这样的假设检验又称为显著性检验，概率α称为显著性水平。

　　最常用的α值为0.01、0.05、0.10等。一般情况下，根据研究的问题，如果放弃真错误损失大，为减少这类错误，α取值小些，反之，α取值大些。

热心网友时间：2022-06-27 21:58

通俗点说,那个P值是指“接近原假设的概率”,例如T统计量的P值,是指参数接近0的概率（因为原假设是参数为0）,我们一般用5%的显著性水平,如果P值小于0.05,即参数等于0的概率小于0.05,我们就可以认为,拒绝原假设了,即通过了显著性检验.