我会建议你从教科书或听课来学习这一连串的概念， 但我也可以体会非相关科系的朋友不容易了解这些概念， 所以写一个例子给你参考，并省略一些太艰涩的话语。 假如有一个袋子，里有无数颗球，其中球不是黑的就是白的。 你可以独立抽出 10 颗球，并记录每颗球是什麽颜色。 在抽出球之前，你可以设立一个虚无假说：「袋中的黑球和白球比例是 1:1」。 当然，你并不知道这是不是对的，但就先这麽假设吧。 假如这个虚无假说是真实的，又因为你会抽出 10 颗球， 所以你可以预先算出你抽出 0 颗黑球到 10 个颗黑球的机率。 例如， 抽出 0 颗黑球的机率是 0.0009766， 抽出 1 颗黑球的机率是 0.009766， 抽出 5 颗黑球的机率是 0.2461， …… 记得，这在还没有抽球之前，就可以算得的。 接下来，你可以设立一个和虚无假说相对的假说，叫对立假说。 我们就说这个对立假说是「袋中的黑球和白球比例不是 1:1」。 这里会跳出单尾和双尾检验的概念，但我就不多说了，反正我们就做双尾检验吧。 另外，我们也要设定显着水准，常见为 0.05。 这时候，你可以抽出 10 颗球了。 如果你抽出 5 颗黑球和 5 颗白球，那你可能会相信虚无假说是对的。 但如果你抽出 0 颗黑球和 10 颗白球，或是 10 颗黑球和 0 颗白球， 那你可能会大大地怀疑虚无假说，而相信对立假说才是对的。 问题来了：到底要多麽地违背虚无假说，你才相信对立假说？ 这就是显着水准 = 0.05 的作用。 例如，如果你真的抽出 1 颗黑球和 9 颗白球好了。 发生这种情况的机率是 0.009766（假如虚无假说是对的）， 另外，还有三种情况和 1 黑 9 白一样程度或更违反虚无假说，分别是 0 黑 10 白（机率是 0.0009766）、 9 黑 1 白（机率是 0.009766）、 10 黑 0 白（机率是 0.0009766）。 这四种情况的机率总共是 0.02148，称为 p-value。 这时候，因为这个 p-value = 0.02148 比你设定的显着水准小， 所以你可以下一个结论：在 0.05 的显着水准下，虚无假说不被接受。 当然，你也可能猜错了，因为即使虚无假说是真的， 你还是有个很小的机率抽到 1 黑 9 白或更偏激的结果。 这种猜错的情况就称为型一错误。 不过因为通常我们会设定一个满小的显着水准，所以型一错误不甚容易发生。 换一个情况，假如你抽出的是 2 黑 8 白呢？ 这时候，下列的所有情况的机率和就是 p-value： 0 黑 10 白（机率是 0.0009766） 1 黑 9 白（机率是 0.009766） 2 黑 8 白（机率是 0.0439） 8 黑 2 白（机率是 0.0439） 9 黑 1 白（机率是 0.009766） 10 黑 0 白（机率是 0.0009766） 加起来的机率是 p-value = 0.1094，比显着水准大了。 这时候，你可以下一个结论：没有证据指出虚无假说错了，在 0.05 的显着水准下。 再一次地，你也可能猜错了， 因为，说不定虚无假说并不正确（例如真实情况是 30% 黑球 70% 白球）。 这种猜错的情形就叫型二错误。 要尽量避免型二错误是可能的（关键字：检定力），但就不多说了。 整个故事其实不复杂，好啦，我写得让它变得有点复杂了。 在虚无假说为真的条件下，取得目前及更偏离虚无假说的结果之机率叫 p-value， 并拿它与显着水准相比较。 因此，显着水准被当做一个门槛、一个标准，来决定我们拒绝或不拒绝虚无假说。 我原本以为可以用最简单的例子说明这一连串的概念， 结果还是用了这麽多字。算是骗 p 币好了。 ※ 引述《mrlee112233 (小史)》之铭言： : 不好意思 : 我想问一下显着水准 : 有没有简单一点的解释 : 我上网查过资料 : 但因爲我不是相关科系 : 所以我跟本看不懂在写什麽 : 虚无假设.type l error .type ll error..等 : 跟本不懂= = : 我文献报告里 : 他假设alpha=0.05 然後用二相分布去做计算 : 所以想问有没有比较浅显易懂的解释 : 谢谢 -- http://apansharing.blogspot.com/ --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 122.117.37.172 ※ 文章网址: http://webptt.com/cn.aspx?n=bbs/Statistics/M.1417897430.A.89F.html ※ 编辑: andrew43 (122.117.37.172), 12/07/2014 08:05:26 ※ 编辑: andrew43 (122.117.37.172), 12/07/2014 08:12:34