用样本均值构造统计量检验单总体均值的问题中，双边检验和单边检验的关系问题。
若从样本计算得到了z统计量的z0，若z0>z(1-a) ( z(1-a)为a上分位点 即 p（Z< z(1-a) ) =1-a, ） 则通过单边检验，若进一步z0>z(1-a/2), 则通过双边检验。
但若得到的Z0 在z(1-a)， z(1-a/2)之间，则在右边检验下拒绝H0，接受HA，即认为mu大于假设值，但在双边检验下却不能拒绝H0，也就是说不能接受Ha，即不能说mu不等于假设值。
这在信息量上解释不通。mu大于假设值 =》mu不等于假设值。同样的观察结果，可以接受mu大于假设值这个更大的信息量，却不能说可以由此推导出的mu不等于假设值？为什么？怎么理解？还是哪里搞错了？
比如都是0.05的显著水平，右边检验的Z上分为点为Z (1-a) = Z0.95=0.8289， 双边检验的Z上分位点为Z(1-a/2)=z0.975=0.84。 当样本均值一次实现值为0.83时，右边检验拒绝原假设，接受备择假设，认为均值大于假设值；双边假设却不能拒绝原假设，即不能说均值和假设值不等。
另一个角度，二者的pvalue不同，右边检验接受备择的pvalue=P（Z>0.83),双边检验接受备择假设的pvalue=2*P(Z>0.83)。
但是同样还是解释不通为什么同样的观测，仅仅因为预先的备择假设不同，就能以更小的犯错可能性接受更严格的结论（mu大于假设值，右边检验的备择假设）却不能接受由上述结论可以推导出的结论？
谢谢！
