显著性水平

指预先给定的介于0与1之间的一个较小的实数值。在零假设成立的条件下，如果出现观察到的事件的概率不超过这个数值，就拒绝零假设。在假设检验中把这个确定的临界概率叫做显著性水平。一般地常取0.01,0.05,0.1作为显著性水平。常被应用于测验分数统计中。

显著性水平significant level

是在假设检验中提出的关于差异具有显著性的界限。常用α概率为代表，即在α水平上，判断差异有无显著性。α是Ⅰ型错误的概率，亦即冒犯假阳性错误的概率。假设检验的结果判断均在一定α水平上进行，即在冒犯一定的假阳性错误的水平上进行，因此判断结论不是绝对的。

显著性水平

指在研究假设成立的条件下，统计检验中所规定的小概率的数量标准，即否定域在整个分布中所占的比率。一般用符号a表示。在统计检验时，要先规定显著性界线，即事先规定好在什么界线以内属于差异不显著，在什么界限以外是属于差异显著。在舆论调查的数据统计中，常以95%或99%的理论Z值为临界值。样本的实际Z值小于95%或99%的理论Z值(即样本平均数不超出M±1.96σ或M±2.58σ的区间)时，为差异不显著，如果样本Z值等于或大于理论Z值时，为差异显著。在数理统计中，把这个95%或99%的概率称之为1-a的概率，即置信系数，在M±1.96σ或M±2.58σ的范围内为置信区间，即差异不显著区间。样本的Z值落入了这一区间，就认为样本与某总体之间差异不显著，就接受研究假设，故也称这一区间为“接受区间”。这个95%或99%以外的概率即0.05或0.01，称为“尾端概率”，表示这个概率数值的符号是P，这个P就是用来表示差异的显著性水平的，在P值的范围内，称之为否定域或“危险区间”、“不可靠区间”。如果样本的Z值落入这一区间，即认为样本与某总体之间有显著性的差异，就拒绝研究假设。

显著性水平level of significance

设总体分布有一参数β，根据样本计算其估计量为β，对于给定的正数α(0<α<1)，若有另一正数δ，使

P(|β-|>δ)=α

成立，那么α便称为显著性水平。上式表明，估计量β相对于真值β的误差大于δ的概率为α。通常α取得较小，如0.05或0.01，而δ可以看做是误差限度。 当|β-|>δ时，我们推断说β与β的差异是显著的，推断错误的概率只有α(5%或1%)，这也就是α被称为“显著性水平”的原因。
把上式改写为：

P(-δ≤β≤+δ)=1-α

区间[-δ,+δ]就是β的100(1-α)%[置信区间]。从这里可以看出显著性水平α与置信度100(1-α)%之间的关系。前者越小，后者越大。

显著性水平level significance

假设检验中接受或拒绝假设的标准和范围。例如，检验原假设H₀:u=u₀时，通过样本平均数这个统计量作检验，如果|-u₀|的差数不大，即两者差别不大，可以接受假设；如果|-u0|的差数相当大，即两者有显著差异时，就要拒绝H₀。和u₀的差别大不大，需要一个判定标准，可确定一个适当的常数K。拒绝H₀的区域(如|-u₀|>K)称为检验的拒绝域，或称临界域(指u₀-k,u₀+k所包含的区间)。拒绝域的边界点(指u_0-k,u₀+k区间的两端点)称为临界点。把犯第一类错误的概率

p {拒绝H₀|H₀为真}

称为显著性水平，记作a。如
p{|-u₀|>K/u=u₀}=a
心理统计通常把显著性水平控制在一定的限度之内。如取a=0.05,0.01等。当a取定后，就可确定临界点和拒绝区域。

显著性水平significance level

估计总体参数落在某一区间可能犯错误的概率。用α表示。是一个临界概率值。如果根据命题原假设所计算出来的概率小于此标准，则拒绝原假设，反之，则接受原假设，即显著性水平把概率分布分为拒绝域、接受域。显著性水平数值越大，则原假设被拒绝的可能性愈大，“弃真错误”概率也愈大；反之亦然，但会增加“取伪错误”。所以显著性水平应根据研究性质、对结论准确性所持要求等而定。实际统计分析中，一般选择0.05、0.01、0.001三种数值标准，但不是固定不变。参数估计中，显著性水平表示总体参数没有落在置信区间的概率，亦用α表示。

显著性水平

指估计总体参数落在某一区间时，可能犯错误的概率。用符号α表示。