之間有什麼關係ppp值和 I 類錯誤 [重複]
在假設檢驗中，我們設置了可接受的第一類錯誤概率水平並觀察如果原假設為真，樣本統計量是否同樣可能或不太可能被觀察到。在零值下觀察樣本分數或更極端的確切概率是價值。更一般地，我們拒絕如果.
我現在想知道以下內容。這value 似乎給出了錯誤拒絕真零假設（如果我們決定這樣做）的概率的精確估計，這類似於 I 類錯誤定義。由於我們知道（估計）觀察樣本得分（或更多極值）的概率，似乎是最大可接受的 I 類錯誤，而是準確的。換句話說，它似乎給出了最小值我們仍然可以拒絕空值的水平。
這個對嗎？
[假設，目前我們不是在談論複合零假設，因為它將簡化討論以堅持更簡單的情況。在復合案例中也可以提出類似的觀點，但由此產生的額外討論可能證明不夠有啟發性]
I 類錯誤的概率，（如果假設成立）由下式給出是重複抽樣概念下的概率。如果您在 null 為真時多次收集數據，從長遠來看，那些你會拒絕的時候。實際上，它會在您採樣之前告訴您 I 類錯誤的概率。
p 值是特定於實例且有條件的。它不會告訴您 I 類錯誤的概率，無論是在您採樣之前（它無法告訴您，因為它取決於樣本），還是之後：
如果那麼你犯第一類錯誤的機會為零。
如果 null 為真並且那麼你犯 I 類錯誤的機會是 1。
再看一下正在討論的兩件事：
- P(I 類錯誤) = P(拒絕 H|H真的）
- p 值 = P(樣本結果至少與觀察到的樣本值一樣極端|H真實，樣本）
它們是不同的東西。
編輯 - 從評論看來，有必要詳細說明您的第二段：
p 值似乎給出了錯誤拒絕真零假設的概率的準確估計
並非如此，如上所述。（我認為這足以使問題的其餘部分變得毫無意義。）
α 似乎是最大可接受的 I 類錯誤，
實際上，是的（當然我們可以選擇更低的由於各種原因，我們準備接受的絕對最高費率）。
而 p 是精確的。
同樣，不是這樣；它不等於在建議的意義上。正如我所建議的，條件概率中的分子和分母都不同於.
換句話說，它似乎給出了我們仍然可以拒絕零的最小 α 水平。
儘管我之前有過警告，但有一種直接的（不一定特別有趣）的感覺是正確的。注意在測試之前選擇，後觀察，因此有必要從我們通常的情況轉變。
如果我們假設以下反事實：
- 我們有一組假設檢驗器，每個檢驗器都在自己的顯著性水平上運行
- 他們每個人都呈現相同的數據集
那麼p值就是那些拒絕和接受的測試者之間的分界線。從這個意義上說，p 值是測試人員仍然可以拒絕空值的最小 α 水平。但在真實的測試情況下，是固定的，而不是可變的，並且我們正在處理的概率是 0 或 1（在某種程度上類似於人們所說的“置信區間包含參數的概率”）。
我們的概率陳述是指重複抽樣；如果我們設置一組測試人員，每個測試人員都有他們的個人，並且只考慮一個數據集來測試一個，不清楚是在那種情況下發生任何事情的概率 - 相反，如果我們有一組測試人員並在 null 為真的情況下重複抽樣，則表示某些東西——他們每個人都會拒絕一個比例它們在樣本中的零值，而將代表每個樣本的某些內容。