Minitab 中关于Alpha的解释

Alpha ()
Alpha () 用在假设检验中，是指拒绝真实原假设（类型 I 错误）的最大可接受风险水平，并用 0 到 1 之间的概率表示。Alpha 经常用来表示显著性水平。您应在开始分析之前设置 ，然后将 p 值与  相比较以确定显著性：
• 如果 p 值小于或等于  水平，则否定原假设，而接受备择假设。
• 如果 p 值大于  水平，则不能否定原假设。
最常用的  水平为 0.05。在此水平下，发现实际并不存在的效应的几率仅为 5%。 值越小，错误地否定原假设的几率就越小。但是， 值越小也意味着会降低检测到确实存在的效应的几率（功效越低）。
有时为  选择一个较小值会更好。例如，要检验来自一台新铣床的样本以决定是否要为工厂采购一批这样的铣床。您希望能够凭借更精确的新铣床来减少不合格产品数量，进而节省大量资金。但是，购买和安装一批机器的成本非常高。购买前需要确信新机器更加精确。在此情况下，可能需要选择更低的  值，如 0.001。这样，当新机器与原机器并无差别时，只有 0.1% 的几率会将新机器判断为更精确。
另一方面，有时选择较大的  值会更好。例如，假设您是一家喷气引擎制造商并要检验较便宜的滚珠轴承的强度。如果轴承强度较差，则少量的资金节约并不足以抵消潜在的灾难效应。因此，可能需要选择较高的  值，如 0.1。尽管这意味着很可能会否定一个真实的原假设，但更重要的是，这也增加了检测到强度确实较弱的廉价轴承的几率。:( (?
以上这段是Minitab中关于Alpha的解释，哪位高人能解释得更通俗易懂些？