知识卡片
显著性与两类错误
显著性水平 α 是你愿意承担的第 1 类错误概率,即在 H0 为真时错误地拒绝它(假阳性),通常取 5% 或 1%。双侧检验把 5% 均分到两端,于是 1000 次掷硬币的拒绝域是 X531;H0 为真时落在外面的概率正好 5%,相当于 20 次检验约 19 次判断正确。与之相对的是第 2 类错误(假阴性,H0 为假却没拒绝),1 减去它就是势。算势时必须指明“H0 假成什么样”:只知道 p≠0.5 无法确定分布,书中取 p=0.55 才得到 0.887。α 与势此消彼长,收紧 α 就更容易漏掉真实差异。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第7章 假设和推论 · 查看原书依据
我们需要对显著性(significance)下定义——我们有多大可能性犯第 1 类错误(“假阳性”)。在这种情况下,我们拒绝了 ,但实际上它为真。根据经验,可能性的大小通常被设定为 5% 或 1%,我们选择 5%。
参考来源
- 位置:《数据科学入门(第2版)》第7章 假设和推论(源文件:extracted/数据科学入门(第2版)/_epub-src/OEBPS/Text/0011.xhtml)
- 结论依据:原文这一段直接给出本卡的核心判断:「我们需要对显著性(significance)下定义——我们有多大可能性犯第 1 ……」
- 原始内容:我们需要对显著性(significance)下定义——我们有多大可能性犯第 1 类错误(“假阳性”)。在这种情况下,我们拒绝了 ,但实际上它为真。根据经验,可能性的大小通常被设定为 5% 或 1%,我们选择 5%。