aoreal 发表于 2013-11-10 23:51
再举个简单的例子,假设我们要检验一个骰子是否是均匀的。
H0: 筛子是均匀的,从而扔出六个面的机率都是1/ ...
你在根据色子基于3次都扔出6这个诡异的事实认定其不是均匀的,是犯错了,而且犯这个错误的概率是1/216。但是你忘了,在有序排列的时候你用色子扔三次出现任何可能的概率都是1/216!就像扔出3个1,或者其他的。
你为什么认定这个色子是不均匀的?因为出现了小概率事件,所以我们拒绝原假设。而在实验中,每一次实验出现这一个事件的概率都是小概率。比如你的3个6,三个5的,但是如果你把它们都拒绝了的话那你就拒绝了几乎所有的可能性。
怎么判断试验中出现的小概率事件是不是应该被拒绝?我们在实验之前就把一部分事件化为一个群体,实验在这个群体里面出现的概率很小(比如出现3个6或三个5),概率就是显著性水平2/216,这个群体就是拒绝域。而不出现这个群体的可能性很大,就是接受域,置信水平214/216。如果进行实验,实验结果落在我们之前选定的拒绝域里边,那我们才能拒绝原假设,而不是根据你自己认为的概率很小所以拒绝。