统计学假设检验中为什么P值越小,拒绝原假设的理由就越充分？

Question

如题所述

Answer 1

p值是统计量出现更坏结果的可能。p值越小说明这种情况更不支持h0，所以统计量p值越小越拒绝原假设。

首先假设检验的思想是概率反证法思想。小概率事件在一次试验中几乎是不可能发生的，那么此时p值其实就是代表拒绝原假设H0的最小显著性水平。

如果p尽可能小那么显著性水平尽可能小，就可以保证拒绝域尽可能地小。如果拒绝域很小还是有小概率事件发生的话，那么我们就有更大的把握说明该事件不可能发生。所以p值越小就越肯定的拒绝原假设。

p值是指当原假设为真时样本观察结果或更极端结果出现的概率。如果p值很小，说明这种情况发生的概率很小，如果这种情况出现了，根据小概率原理，我们就有理由拒绝原假设1，p值越小，拒绝原假设的理由就越充分。

为什么要用p值

从p值的英文概念——probability value——很容易理解它是某一种概率的值，这个概率的具体含义是什么？

要说明这个概率的含义，我们先说明假设检验的流程，首先提出原假设和备择假设；其次，确定适当的检验统计量（如z统计量、t统计量或F统计量），并计算器数值，这一步会选定一个置信水平即α（如α=0.05或α=0.01）。

最后进行统计决策，决策的依据是根据样本计算出的统计量与选定置信水平下的值进行比较，然后决定是接受原假设还是拒绝原假设。