统计--假设检验

在假设检验中，α取值越大，称此假设检验的显著性水平（）
A 越高 B 越低  C 越明显  D 越不明显
α取值越大，不就是显著性水平越大吗，可为什么答案是B呢，不懂，哪位高手给解释下，谢谢。

这个是指你假设的虚无假设是真实的的特定概率值，是预先设定好的，并非我们计算得到的观测数据的真实值，它是与观测数据进行比较的标准。计算得的真实值越大，假设检验的显著水平越大。仔细看下书就知道了，你只是概念弄混了。

[ 本帖最后由 allforyou 于 2009-9-2 12:42 编辑 ]

α是犯一类错误的概率。犯一类错误的概率越大，当然此假设检验的显著性水平就低了嘛。

可否这样理解了，若α原为0.01增加到0.05。则Zα/2由2.58减少到1.96。
例当观测值是2时，α为0.01时，原假设检验不显著，当α为0.05时原假设检验显著。
那么α增大，显著性应增大


烦请大家告诉我哪里出错了。谢谢！

根据上面的提示，我是这样理解的，举个例子说明
当α有0.01增加到0.05时，相应的Z值则由2.58下降到1.96即犯错误的概率是下降的，也就是显著性水平下降。
对于这个问题我的误区在于直接把α代换成显著性水平来理解。应该想到将其转换为Z值，考虑其具体的概率，这样就一目了然了。
谢谢楼上各位的讲解，我把这个问题放了两天，今天突然茅塞顿开，貌似顿悟，呵呵

原帖由 zhuma 于 2009-9-3 17:56 发表
根据上面的提示，我是这样理解的，举个例子说明
当α有0.01增加到0.05时，相应的Z值则由2.58下降到1.96即犯错误的概率是下降的，也就是显著性水平下降。
对于这个问题我的误区在于直接把α代换成显著性水平来 ...

α有0.01增加到0.05时犯一类错误该旅不是增大才对吗

我是针对这个问题觉得这样理解才合理，用的是逆向搜索法，，其实关于这两个错误一直停留在表面的理解上，经不起推敲，恳请各路高手将这个知识点进行一个系统详细的解答，指出理解次部分的关键之所在，小女子感激不尽。

我是这样理解：
如观察值落入α＝0.05的拒绝域中时，我们拒绝虚无假设，即认为差异显著，此时我们认为差异显著的把握有0.95。（但事实上我们有0.05的可能性会犯错，我们否定了差异不显著这个正确的假设，即一类错误）
如观察值落入α＝0.01的拒绝域中时，我们拒绝虚无假设，即认为差异显著，此时我们认为差异显著的把握有0.99。
所以α越小，显著性水平越高

我一直觉得这个题目有问题

显著性水平是指估计总体参数在某一区间时，可能犯错误的概率，用符号a表示。——见张版统计p200

那么从定义上看，所谓的显著性水平，就是我们假定的那个a（0.05或者0.01）。这个a是事先确定好的，而不是我们计算出来的Z值所对应的概率值，之所以计算Z的值并明白对应的概率p值，是为了进行显著性检验之用的，也就是看其有没有超出置信区间或者说概率p是大于或者还是小于a，如果小于a，那么显著；大于a，那么不显著。

显著性水平a越小，也就是说犯错误的概率越小，也就使得假设越有把握，但是直线区间会变加长。

原帖由 笔为剑 于 2009-9-2 18:16 发表
α是犯一类错误的概率。犯一类错误的概率越大，当然此假设检验的显著性水平就低了嘛。

笔版，可是张的书上显著性水平的定义就是犯一类错误的概率啊
照此来说，α大了，显著性水平也大才对啊~~