显著性检验

显著性检验是“统计假设检验”的一种。用来检测科学实验中实验组与对照组之间是否有差异以及差异是否显著的方法。
统计假设实验：事先对总体（随机变量）的参数或总体分布形式做出一个假设，然后利用样本信息来判断这个假设是否合理。前提条件是“统计假设”。即要对科研数据做一个假设，然后用检验来检查假设对不对。
一般的，把要检验的假设称为原假设，记为H0,与之相反的假设记为H1。
第一类错误：原假设为真，检验的结论要求放弃原假设。（通常把第一类错误出现的概率记为$\alpha$）
第二类错误：原假设为假，检验结果要求不放弃原假设。（一般把第二类错误出现的概率记为$\beta$）
通常只限定犯第一类错误的最大概率为$\alpha$,不考虑第二类错误。这样的假设检验称为显著性检验，概率$\alpha$代表显著性水平。一般$\alpha$=0.05，0.025，0.01（分别代表显著性检验的结论错误必须低于5%或2.5%或1%）。ps统计学中把发生几率小于5%的事件称“不可能事件”
显著检验分为：参数检验和非参数检验。
参数检验：要求样本来源于正态总体（服从正态分布），且这些正态总体有相同的方差。在这样的基本假定（正态假定和方差齐性假定）下检验各总体均值是否相等，属于参数检验。
非参数检验：当数据不满足正态性和方差齐性假定，参数检验可能会给出错误答案，此时应该采用基于秩的非参数检验。