关于显著性水平的疑问
一直以来，在学习与应用中的假设检验都以 0.05 为默认的检验标准。即：如果MINITAB算出来的 P >0.05， 则接受原假设，反之，如果 P<0.05，则拒绝原假设。也就是说，作这种决策有95%的置信度，犯错概率只有 5%。
但当引入 0.01的显著性水平后，则出现了一个疑惑。如：在数据作正态性测试时，如果 P=0.03， 按 0.05 的显著性水平（P<0.05)，则拒绝原假设：我们有95%可信度认为此数据不服从正态分布。而如果按 0.01 的显著性水平（P=0.03>0.01），那我们就会接受原假设：我们有99%的置信度认为此数据服从正态分布，这样且不是前后矛盾？95%的可信度拒绝，而99%的置信度反而接受了！
这是否应该有另一个解释？
但当引入 0.01的显著性水平后，则出现了一个疑惑。如：在数据作正态性测试时，如果 P=0.03， 按 0.05 的显著性水平（P<0.05)，则拒绝原假设：我们有95%可信度认为此数据不服从正态分布。而如果按 0.01 的显著性水平（P=0.03>0.01），那我们就会接受原假设：我们有99%的置信度认为此数据服从正态分布，这样且不是前后矛盾？95%的可信度拒绝，而99%的置信度反而接受了！
这是否应该有另一个解释？
没有找到相关结果
已邀请:
RSS Feed
16 个回复
sjlsohu (威望:1) (北京 ) 电子制造 工程师
赞同来自: 小志_766 、杨树杰
P值就是根据数据估算出来弃真的概率，假设p是0.03，也就是根据数据拒绝原假设会失误的可能性是3%，如果阿尔法是0.05，那么允许5%的失误，现在既然根据数据推断会有拒绝原假设就3%的错误可能，小于允许，那么我宁可赌一把，拒绝原假设吧，如果阿尔法是0.01，那么就是允许1%失误，而现在实际是3%失误的可能，显然高于所允许的，所以还是不能拒绝原假设，老老实实接受原假设吧