1.假設檢驗
1）顯著性水平α
a.小概率事件：我們將發生概率小於某個閾值的事件稱為小概率事件，一般讓這個閾值=0.05（或者0.01），在假設檢驗中常記這個閾值為α，稱為顯著性水平。如果某件事的概率超過這個值，我們認為它不是小概率事件，我們便不能做這件事。放到假設檢驗中就是，如果最後計算的統計量p>閾值（即顯著性水平），那麼「我們接受h0，會犯錯誤」這個事就不是小概率了，也就是我們接受h0會犯錯誤的機率大，因此我們拒絕h0。
2） 兩類錯誤
接受或拒絕h0，都可能犯錯誤
i類錯誤——棄真錯誤，發生的概率為α
ii類錯誤——取偽錯誤，發生的概率為β
檢驗決策
h0為真
h0非真
拒絕h0
犯i類錯誤（α）
正確接受h0
正確犯ii類錯誤（β）
α大β就小，α小β就大
基本原則：力求在控制α前提下減少β
α——顯著性水平，取值：0.1, 0.05, 0.001, 等。如果犯i類錯誤損失更大，為減少損失，α值取小；如果犯ii類錯誤損失更大，α值取大。
確定α，就確定了臨界點c。
參考文獻：
討論一道概率論問題
原題 有三名罪犯，設名字為a,b,和c。其中一人將被釋放，兩人將被處死。罪犯a詢問檢察官，b和c誰會被處死 因為檢察官不會向a透露他自己的情況 檢察官說b會被處死。a很高興，因為他覺得他被釋放的概率從33 上公升到50 了。請問，a的推理是否正確，為什麼？分析 在a詢問後，毫無疑問a的釋放概率的確為...
概率論（一） 預備知識
概率論包括隨機事件及其概率 隨機變數及其概率分布 多維隨機變數及其概率分布 隨機變數的數字特徵及大數定律和中心極限定理。共五章，重點第 一 二章，數理統計包括樣本與統計量，引數估計和假設檢驗 回歸分析。重點是引數估計。一 加法原則 引例一，從北京到上海的方法有兩類 第一類坐火車，若北京到上海有早 中...
machine learning中的概率論名詞解釋
事情還沒有發生，要求這件事情發生的可能性的大小，是先驗概率。事情已經發生，要求這件事情發生的原因是由某個因素引起的可能性的大小，是後驗概率，後驗概率的計算，要使用貝葉斯公式。先驗概率僅僅依賴於主觀上的經驗估計，也就是事先根據已有的知識的推斷，在應用貝葉斯理論時，通常將先驗概率乘以似然函式 likel...