在假设检验中，显著性水平α是表示（ ）。

Question

在假设检验中，显著性水平α是表示（ ）。

A. 原假设为真时被拒绝的概率

B. 原假设为真时被接受的概率

C. 原假设为假时被接受的概率

D. 原假设为假时被拒绝的概率

E. 是根据样本数据计算出的概率

Answer 1

在假设检验中，显著性水平α表示原假设为真时，拒绝原假设的概率。选择C选项，P（拒绝H。| H。为真）=α。

显著性水平是估计总体参数落在某一区间内，可能犯错误的概率，用α表示。

有这样一种情况，原假设正确，而我们却把它当成错误的加以拒绝。犯这种错误的概率用α表示，统计上把α称为假设检验中的显著性水平 ，也就是决策中所面临的风险。

α表示原假设为真时，拒绝原假设的概率。估计总体参数落在某一区间内，可能犯错误的概率为显著性水平，用α表示。1-α 为置信度或置信水平，其表明了区间估计的可靠性 。

显著性水平是假设检验中的一个概念，是指当原假设为正确时人们却把它拒绝了的概率或风险。它是公认的小概率事件的概率值，必须在每一次统计检验之前确定，通常取α=0.05或α=0.01。这表明，当作出接受原假设的决定时，其正确的可能性（概率）为95%或99%。

显著性水平代表的意义是在一次试验中小概率事物发生的可能性大小。

扩展资料

对显著性水平的理解必须注意以下几点：

1、显著性水平不是一个固定不变的数值，依据拒绝区间所可能承担的风险来决定。

2、统计上所讲的显著性与实际生活工作中的显著性是不一样的。

3、显著性是对差异的程度而言的，程度不同说明引起变动的原因也有不同：一类是条件差异，一类是随机差异。它是在进行假设检验时事先确定一个可允许的作为判断界限的小概率标准。

参考资料来源：百度百科-显著性水平

Answer 2

在假设检验中，显著性水平α是表示：原假设为真时被拒绝的概率 。
显著性水平是估计总体参数落在某一区间内，可能犯错误的概率，用α表示。显著性是对差异的程度而言的，程度不同说明引起变动的原因也有不同：一类是条件差异，一类是随机差异。它是在进行假设检验时事先确定一个可允许的作为判断界限的小概率标准。
α表示原假设为真时，拒绝原假设的概率
估计总体参数落在某一区间内，可能犯错误的概率为显著性水平，用α表示
1-α 为置信度或置信水平，其表明了区间估计的可靠性
统计假设检验也称为显著性检验，即指样本统计量和假设的总体参数之间的显著性差异。显著性是对差异的程度而言的，程度不同说明引起变动的原因也有不同：一类是条件差异，一类是随机差异。显著性差异就是实际样本统计量的取值和假设的总体参数的差异超过了通常的偶然因素的作用范围，说明还有系统性的因素发生作用，因而就可以否定某种条件不起作用的假设。假设检验时提出的假设称为原假设或无效假设，就是假定样本统计量与总体参数的差异都是由随机因素引起，不存在条件变动因素。
假设检验运用了小概率原理，事先确定的作为判断的界限，即允许的小概率的标准，称为显著性水平。如果根据命题的原假设所计算出来的概率小于这个标准，就拒绝原假设；大于这个标准则不拒绝原假设。这样显著性水平把概率分布分为两个区间：拒绝区间，不拒绝区间。本回答被网友采纳

Answer 3

在假设检验中，显著性水平α表示原假设为真时，拒绝原假设的概率。选择C选项，P（拒绝H。|
H。为真）=α。
显著性水平是估计总体参数落在某一区间内，可能犯错误的概率，用α表示。
有这样一种情况，原假设正确，而我们却把它当成错误的加以拒绝。犯这种错误的概率用α表示，统计上把α称为假设检验中的显著性水平
，也就是决策中所面临的风险。
α表示原假设为真时，拒绝原假设的概率。估计总体参数落在某一区间内，可能犯错误的概率为显著性水平，用α表示。1-α
为置信度或置信水平，其表明了区间估计的可靠性
。
显著性水平是假设检验中的一个概念，是指当原假设为正确时人们却把它拒绝了的概率或风险。它是公认的小概率事件的概率值，必须在每一次统计检验之前确定，通常取α=0.05或α=0.01。这表明，当作出接受原假设的决定时，其正确的可能性（概率）为95%或99%。
显著性水平代表的意义是在一次试验中小概率事物发生的可能性大小。
扩展资料
对显著性水平的理解必须注意以下几点：
1、显著性水平不是一个固定不变的数值，依据拒绝区间所可能承担的风险来决定。
2、统计上所讲的显著性与实际生活工作中的显著性是不一样的。
3、显著性是对差异的程度而言的，程度不同说明引起变动的原因也有不同：一类是条件差异，一类是随机差异。它是在进行假设检验时事先确定一个可允许的作为判断界限的小概率标准。
参考资料来源：搜狗百科-显著性水平

Answer 4

显著性水平α
表示犯拒绝“假设”错误的可能性大小，而拒绝与接受都是都是对H而言的。
选C、P（拒绝H。|
H。为真）=α
相对于零假设的其他有关参数之论述是备择假设，它通常反映了执行检定的研究者对参数可能数值的另一种（对立的）看法（换句话说，备择假设通常才是研究者最想知道的）。
小概率事件（P<0.01或P<0.05）在一次试验中基本上不会发生。先提出假设(检验假设H0)，再用适当的统计方法确定假设成立的可能性大小，如可能性小，则认为假设不成立，若可能性大，则还不能认为假设不成立。
扩展资料：
某一假设h0成立，例如，通常有理由认为特定的一群人的身高服从正态分布。当收集了一定数据后，可以评价实际数据与理论假设h0之间的偏离，如果偏离达到了“显著”的程度就拒绝h0，这样的检验方法称为显著性检验。
根据统计量的大小及其分布确定检验假设成立的可能性P的大小并判断结果。若P>α，结论为按α所取水准不显著，不拒绝H0，即认为差别很可能是由于抽样误差造成的，在统计上不成立。
如果P≤α，结论为按所取α水准显著，拒绝H0，接受H1，则认为此差别不大可能仅由抽样误差所致，很可能是实验因素不同造成的，故在统计上成立。P值的大小一般可通过查阅相应的界值表得到。
参考资料来源：搜狗百科——假设检验

Answer 5

显著性水平α
表示犯拒绝“假设”错误的可能性大小，而拒绝与接受都是都是对H而言的。
选C、P（拒绝H。|
H。为真）=α
相对于零假设的其他有关参数之论述是备择假设，它通常反映了执行检定的研究者对参数可能数值的另一种（对立的）看法（换句话说，备择假设通常才是研究者最想知道的）。
小概率事件（P<0.01或P<0.05）在一次试验中基本上不会发生。先提出假设(检验假设H0)，再用适当的统计方法确定假设成立的可能性大小，如可能性小，则认为假设不成立，若可能性大，则还不能认为假设不成立。
扩展资料：
某一假设h0成立，例如，通常有理由认为特定的一群人的身高服从正态分布。当收集了一定数据后，可以评价实际数据与理论假设h0之间的偏离，如果偏离达到了“显著”的程度就拒绝h0，这样的检验方法称为显著性检验。
根据统计量的大小及其分布确定检验假设成立的可能性P的大小并判断结果。若P>α，结论为按α所取水准不显著，不拒绝H0，即认为差别很可能是由于抽样误差造成的，在统计上不成立。
如果P≤α，结论为按所取α水准显著，拒绝H0，接受H1，则认为此差别不大可能仅由抽样误差所致，很可能是实验因素不同造成的，故在统计上成立。P值的大小一般可通过查阅相应的界值表得到。