比较 P-值和不同的显著性水平

这个视频里我们要做的是 讨论显著性水平 用希腊字母阿尔法来表示。 讨论两件事 不同的结论 关于不同的显著性水平 可以建立一个显著性水平或知道建立它的 重要性。 在你进行实验并计算p值之前， 出于道德一些目的 为了让我们更好的理解 在这里告诉我们 拉希姆听到旋转，而不是翻转 硬币能使头朝上的概率 大于50% 如果是真的话就是很有趣的了。 他旋转了10个不一样的硬币 每个10次来检验。一共是100次旋转 他的假设是，他的零假设是 旋转硬币，概率不会改变 和翻转一样，是50% 他的备择假设是旋转 可以让头朝上的概率大于50% p是旋转使硬币头朝上 的真实概率。 在他的100次旋转中，硬币 头朝上的次数使59次。 拉希姆计算了数据。 这里的使样本占比 100次中的59次，就是0.59 百分之59%，他计算的 有相关的p值为大约0.036 基于这样的情况，之后 希拉姆决定显著性水平为0.05 现在有什么结论？ 暂停的时候，想想 如果他设置不一样的 显著性水平为0.01是否会有不同的结论 暂停视频然后想一想。 首先，提醒我们 p值是什么 可以认为是 得到样本占比的概率 如果假设零假设是正确的。 如果是很小的数值 低于一些阙值， 就是我们的显著性水平。 当我们拒绝零假设， 在这种情况下 看到0.036，我们的p值小于阿尔法、 小于0.05 因为这样，可以拒绝零假设。 用日常语言来说，拒绝零假设 就是拒绝旋转使 硬币证明朝上的概率是50%的说法 如果拒绝零假设 这代表备择假设 旋转使 硬币头朝上的概率大于50% 关于这样的情况 显著性水平比较低的时候 在这样的时候，p值 得到样本统计的概率 如果假设零假设是对的。 这样的情况下，大于等于， 大于在这个具体情况下 大于阙值，大于显著性水平 在这里，我们没办法 拒绝零假设，没办法 拒绝，也不能帮我们建设 备择假设。 因为 总结出来的 和显著性水平的不同 这就是为什么 提前计算这些水平很重要 这是人类天性 如果你是一个研究者 你想要得到有趣的结果 想要观察一些事情 可以告诉你的朋友 我的备择选择说了 我们可以拒绝假设， 我找到一些不同 这是很诱人的 来计算p值， 可能没有人会发现 如果设置一个显著性水平 这足够高 所以可以拒绝零假设 如果这么做了，就是很不道德了 在未来的视频 我们开始考虑 好的，我提前说一些 我t提前设置显著性水平 什么时候应该是百分之一? 什么时候应该是五百分之一? 什么时候应该是一千分之一? 或是其他的一些假设？