杂记——假设检验中p值的理解

本文主要是介绍杂记——假设检验中p值的理解，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

  $p$值是拒绝零假设的显著性水平的最小的$\alpha$值，对于一切大于$p$值的$\alpha$，错误拒绝$H_0$的概率不超过$\alpha$。
  
  $p$值是利用实际调查或实验数据，通过代入抽样分布计算出的一个概率值，如果原假设是正确的，那么$p$值不应该较小。而如果很小，说明小概率事件经常发生，就有悖原假设，就要拒绝。
  
  $p$值服从均匀分布。
  
  在$H_0$成立的条件下，出现该实验结果或更极端情况的概率值
  
  引入$p$值的最大优点在于：在作检验时，不需要事先给定此检验的显著性水平$\alpha$，而通过计算当前样本的$p$值知道，对一切大于此$p$值的$\alpha$，则错误拒绝原假设的概率不会超过$\alpha$

这篇关于杂记——假设检验中p值的理解的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---