重温“P 值意味着什么”
在一个 以前的文章，我们提供了 p 值的教学定义。 然而，它可能无法准确反映其全部含义。
这种简化有利于那些最初接触该概念的人，有助于建立基础理解。
我们现在提出了 p 值的更精确的定义，这需要更密切的关注。
显着性水平和 P 值
任何假设检验的主要目标是确定是否拒绝原假设 (H0)。 这一决定取决于两个关键因素：
显着性水平 (α)：这是我们用来决定是否拒绝H0的预定阈值。 在执行测试之前，它通常设置为 1% 或 5%。
P 值 (p)：p 值是从我们执行的每个推理假设检验中获得的概率。
具有统计显着性意味着什么？
在执行分析并获得 p 值后，我们将其与预设的显着性水平 (α) 进行比较。
例如，我们将显着性水平 (α) 设置为 0.05（或 5%）。 当将此 α 与我们获得的 p 值进行比较时，我们有两种可能性：
1. 如果 p 值小于或等于显着性水平 α (p ≤ 0.05)，我们拒绝原假设 (H0)。 在这种情况下，我们的测试被认为具有统计显着性。
2. 如果 p 值大于显着性水平 α (p > 0.05)，我们不会拒绝原假设 (H0)。 在这里，我们的测试被认为没有统计显着性。
P值的含义
从技术角度来说， p-值 是：
假设零假设为真，获得等于（或更极端）我们在数据中观察到的结果的概率。
例如，如果我们得到的 p 值为 2% (p = 0.02)，这意味着如果 H0 为真，则获得等于（或更极端）我们的结果的概率仅为 2%。 由于这小于 α = 5%，我们拒绝 H0。
例：女士品茶
这个故事带我们来到 1920 年代初英国哈彭登的一个夏日午后。
一群科学家——一名统计学家、一名藻类学家和一名生物化学家——聚集在洛桑实验站喝下午茶。
藻类学家穆里尔·布里斯托尔坚持认为，茶倒在牛奶上与牛奶倒在茶上的味道不同。
该小组对她的说法提出质疑，发现很难相信口味上会有任何明显的差异。
统计学家罗纳德·费舍尔提出了一项实验。 穆里尔将得到八杯茶。 其中一半将牛奶倒在茶上，另一半将茶倒在牛奶上。 不过，她并没有亲眼目睹准备过程。
当穆里尔品尝每一杯时，她正确地识别了准备方法，并全部正确！
结束语
关于我们对 p 值的讨论。
让我们考虑零假设 (H0)，即 Muriel 无法识别不同的制剂。 如果 H0 为真，则 Muriel 正确识别所有八个杯子中的茶制剂的概率仅为 1.43%。
由于 1.43% 的 p 值小于我们选择的 5% 显着性水平 (α)，因此我们认为该检验具有统计显着性。 因此，我们将拒绝原假设 (H0)，转而支持备择假设 (H1)，即 Muriel 可以区分不同的茶制品。
*此示例说明了在进行测试之前设置显着性水平 (α) 的重要性。 通常，α 设置为 1% 或 5%。 如果我们要获得这两个阈值之间的 p 值，我们可能会偏向于选择使我们的结果看起来显着的 α — 在本例中为 5%。
记得阅读第一篇关于 p 值的文章！ 点击这里！
