pcmchus的部落格

「假設」有正反兩個，虛無及對立

  P值是個機率，假設只能說「成立」的機率很高，但無法證實是「真」的

P值 越小，表示虛無假設為真的機率，是越小的。
       代表我們數據，可信度極高。

----------------------------------------------------

檢定假設（hypothesis testing）

它是一個「步驟」，把用來推翻假設的 信心水準，予以 量化 的步驟。

分成兩個假設：

  虛無假設（null hypothesis, H0）

  對立假設（alternative hypothesis, H1）

------------------------------------------------------

當虛無假設「被推翻」時，「對立假設就會成立」。

其中，對立假設是我們真正想證實的論點。

例如  以 glucose 與 sucrose兩種碳源進行培養，所得到的菌體量那種較高

其中的 對立假設 就是「glucose 與 sucrose兩種碳源，所得到的菌體量是不同的」

我們要推翻「兩種碳源是一樣的」這個虛無假設

對立假設，正是我們要的結果

----------------------------------------------------

再來，P 值 跟檢定假設的關係：

  P 值代表著是「機率」

  也就是  虛無假設  為「真」時，從樣本資料來作檢定會得到的機率

---------------------------------------------------

P值越小，則「反對」虛無假設的證據越充分

我們最常見的，就是 P值 小於或大於0.05

P 值  小於 0.05

  傳統上，我們認為P值小於0.05時，已足以  推翻  虛無假設

  在雙尾機率的 機率分佈圖，可看到P ＜0.05時，單尾的機率僅有 P/2 ＝ 0.025

  我們可以說，「在5%的水平之下，足以推翻虛無假設」

P 值  大於 0.05

  我們認為，沒有足夠的證據 推翻 虛無假設
  我們如此說，「在5%的水平之下，沒有  充分的證據  來  推翻  虛無假設」
 
  但這並不意味說「虛無假設為  真  」，「只能說我們的證據  不足  以讓我們  推翻  虛無假設」

-------------------------------------------------------

5% 純粹是人定出來的，表示我們犯錯的  機率（做出錯誤的判讀）

   該機率指的是，在「虛無假設」為 真 的狀況時，可能有 5%  的機會，我們「錯誤」地 推翻 虛無假設
 
   但，實際上是「真」的，這 5％ 的機率，就是被  錯誤判讀  是 假 的機率

   
越小的P 值，意味著「錯誤」的 機率 越小

   所以，會看到 P＜0.01（1％），甚至P＜0.001 （0.1％）

-------------------------------------------------------

P 值也可稱該檢定方法的「顯著水準」（significance level）

建議把分析結果的 P 值 寫出來

  如 P
  我們就能，判斷 P ＜0.01 的差異性分析，犯錯的機會只有 1%，這個分析的可信度是較高的


資料來源：第17講 假設檢定。圖解醫學統計學。合記圖書出版社。