统计学名词解释

2024年3月9日发(作者：诚挚邀请)

1. 中文名称：显着性水平

英文名称：significance level定义：

通常以α表示，是一个临界概率值。它表示在“统计假设检验”中，用样本资料推断总

体时，犯拒绝“假设”错误的可能性大小。α越小，犯拒绝“假设”的错误可能性越小。

概念：估计总体参数落在某一区间内，可能犯错误的概率为显着性水平，用α表示

1-α 为置信度或置信水平，其表明了区间估计的可靠性

统计假设检验也称为显着性检验，即指样本统计量和假设的总体参数之间的显着性差

异。显着性是对差异的程度而言的，程度不同说明引起变动的原因也有不同：一类是条件

差异，一类是随机差异。显着性差异就是实际样本统计量的取值和假设的总体参数的差异

超过了通常的偶然因素的作用范围，说明还有系统性的因素发生作用，因而就可以否定某

种条件不起作用的假设。假设检验时提出的假设称为原假设或无效假设，就是假定样本统

计量与总体参数的差异都是由随机因素引起，不存在条件变动因素。

假设检验运用了小概率原理，事先确定的作为判断的界限，即允许的小概率的标准，

称为显着性水平。如果根据命题的原假设所计算出来的概率小于这个标准，就拒绝原假设；

大于这个标准则接受原假设。这样显着性水平把概率分布分为两个区间：拒绝区间，接受

区间。

显着性水平不是一个固定不变的数字，其越大，则原假设被拒绝的可能性愈大，原假

设为真而被否定的风险也愈大。显着性水平应根据所研究的的性质和我们对结论准确性所

持的要求而定。

2. 显着性检验

显着性检验就是事先对总体（随机变量）的参数或总体分布形式做出一个假设，然后

利用样本信息来判断这个假设（原假设）是否合理，即判断总体的真实情况与原假设是否

显着地有差异。或者说，显着性检验要判断样本与我们对总体所做的假设之间的差异是纯

属机会变异，还是由我们所做的假设与总体真实情况之间不一致所引起的。显着性检验是

针对我们对总体所做的假设做检验，其原理就是“小概率事件实际不可能性原理”来接受

或否定假设。

抽样实验会产生抽样误差，对实验资料进行比较分析时，不能仅凭两个结果（平均数

或率）的不同就作出结论，而是要进行统计学分析，鉴别出两者差异是抽样误差引起的，

还是由特定的实验处理引起的。

显着性检验的含义

显着性检验即用于实验处理组与对照组或两种不同处理的效应之间是否有差异，以及

这种差异是否显着的方法。

常把一个要检验的假设记作H0,称为原假设（或零假设） (null hypothesis) ，与H0

对立的假设记作H1，称为备择假设(alternative hypothesis) 。

⑴ 在原假设为真时，决定放弃原假设，称为第一类错误，其出现的概率通常记作α，

α称为显着性水平；