txh323

[未知用户] 那么，胡江堂的上一篇文章《决策与风险》中的下面一段是不是也意味着一类错误的概率应该是检验水准α呢：

上面的对话应该让大伙体会到了一些假设检验的意思。可以总结一下，对照下面的表格，思路会清晰一些：

判定 \ 假设 真 假
拒绝 第I类错误α 没有错误1-β
接受 没有错误 第II类错误β

[未知用户] 方积乾《卫生统计学》第五版，倪宗瓒《医学统计学》
都是说的犯一类错误的概率为0.05（理由是：如果零假设成立，那么按照同样的方法在零假设规定的总体中重复抽样，那么每100此检验结论中平均有5次拒绝零假设，即犯一类错误），而刘定远《医药数理统计方法》中又说，犯第一类错误的概率不超过检验水准0.05，但是根据假设检验原理，我觉得犯一类错误的的概率好像应该就是P值吧。好困惑啊！！！

[未知用户] 说的太好了！

谁来给我解释一下P值，检验水准和一类错误概率的问题. 比如，检验水准为0.05，现在p值为0.02，那么应该拒绝零假设，那么问题来了：犯一类错误的概率为多大（究竟该是0.05还是0.02），若按统计教材上解释两类错误那里说的，应该是0.05，但是按假设检验原理：出现不利于零假设的统计量的概率是0.02，也就是说我们的结论犯错误的概率是0.02（一类错误？）。
这个问题到底怎么解释，麻烦各位告诉我一下啊，反正我是混乱了。

你这个样本含量确实太少了（死亡病例），我觉得不管用什么统计方法做出来的结果都不怎么能令人信服。经验上，这类分析的样本含量（特指阳性例数）应当为自变量个数的10倍以上。也就是说你这里起码需要60例死亡病例。

[quote]引用第13楼rtist于2007-12-22 01:40发表的“”:



更加遗憾的是，你的解释仍然是错的。。。[/quote]





我觉得12楼的说法是对的。

不论是一组分别与多组间的比较还是两两比较，增大I型错误的原理都是一样的，也就是12楼的算法，统计学教材上都是这样介绍的。

新人报到!

请各位多多关照!