我对p值的概念感到困惑。通常，如果p值大于通常为0.05的alpha值，则我们将无法拒绝原假设，并且如果p值小于alpha，我们将拒绝原假设。据我了解，如果p值大于alpha，则两组之间的差异仅仅是由于采样误差或偶然造成的，到目前为止一切正常。但是，如果p值小于alpha，则结果为统计显着性，我假设它为统计上无意义的(因为，如果p值小于alpha，我们将拒绝原假设)。
基本上，如果结果具有统计意义，则拒绝原假设。但是，如果假设在统计意义上是重要的，该如何拒绝它呢？从“具有统计意义的意义”一词，我理解结果是好的。
最佳答案
您误解了重要性在p值方面的含义。
我将尝试在下面解释:
我们假设对两个总体的均值相等进行检验。我们将执行t检验以通过从每个总体中抽取一个样本并计算p值来进行检验。
原假设和替代方案:
H0: m1 - m2 = 0
H1: m1 - m2 != 0
这是一个两尾测试(尽管对此不重要)。
假设您获得
0.01的p值，且alpha为0.05。 p值是从两个总体(m1和m2)采样时均值相等的概率。这意味着均值相等的可能性为1％，换句话说，每100个样本对中只有1个的均值差为0。两种均值相等的可能性很低，这使我们确信(使我们确信)总体均值不相等，因此我们认为结果在统计上是有意义的。
使我们认为结果很重要的阈值是多少？这由显着性水平(a)决定，在这种情况下为5％。
由于p值小于显着性水平，因此我们认为结果是有意义的，因此可以肯定的是，由于NULL假设为true的概率非常低，因此我们可以拒绝null假设。
我希望现在有道理!