统计学的P值与α=0.05之间关系的具体含义是什么？为什么P>0.05就要接受原假设？

Question

如题所述

Answer 1

a风险是指发生类型1错误的风险，类型1错误是指原假设为真，但被判错。a风险是在进行假设检验前设定的，0.05就是你期望发生类型1的错误不高于5%；
P值是发生类型1错误的实际风险，当p＞0.05，说明实际情况下发生类型1的错误大于了您的设定，所以不能驳回原假设。

Answer 2

根据中心极限定理，随机抽样所得样本中计算出来的统计量（例如样本均值）标准化后，应该满足某种已知分布（例如标准正态分布）。而且，抽样越是科学（例如方法得当，样本容量大等），标准化后的统计量越是会向抽样分布的数学期望（总体均值）集中，反映在图上就是会向图的对称轴（如果有的话）集中。相反，抽样越不科学，标准化后的统计量就会向图的两边移动，移动到什么地方（或者说这个值的绝对值大到什么程度）才导致我们拒绝原假设呢？

当这个值右边（假定是右侧单边检验）的横轴与图形围起来的面积（即概率和，就是你所说的p值）小于小概率水平（最常用的就是你这里说的0.05）时，就可以拒绝原假设，而接受研究人员自己的观点。

因此，alpha越小，研究就越严谨。但此时拒绝原假设，可能犯弃真错误（即第一类错误）。相反，如果计算出的p值大于alpha，就要接受原假设，此时又可能犯纳伪错误。

在统计软件中，p值可以直接看成是“原假设成立的概率”，或者说“纳伪的概率”，即，犯类型I错误的风险。