背景

统计学中分析数据的一种经典大致流程为：

1. 提出假设
2. 统计数据
3. 定结论

这里统计学约定：通过实验数据认为某个假设是“真理”是不正确的——取而代之地，我们使用“接收”、“拒绝”两个字眼对假设下结论。也由此诞生了

假设

我们用下面的模式推断结论：

H_0: 想要拒绝的假设\\
H_1: 想要接收的假设

为什么统计者想要拒绝的假设放在原假设呢？因为原假设备被拒绝如果出错的话，只能犯第I类错误，而犯第I类错误的概率已经被规定的显著性水平所控制。摘自这里

我们需要做的决策是：是否要拒绝H0

一些本地化翻译

符号	中文	英语	日语
H_0	无效假设	Null hypothesis	帰無仮説
H_1	备择假设	Alternative hypothesis	対立仮説

两类错误

这里的错误不是指人为的计算错误或者理解错误，而是这类推断本身存在的客观错误。

1. 弃真错误: H0成立但拒绝H0
2. 取伪错误: H0不成立但接收H0

p值

統計学における「仮説検定」（自分が設定した仮説が正しいかどうかを統計的に判定する方法）において、元データの指標が、サンプルから観察された値と等しいか、それよりも大きな（小さな）値をとる確率のこと。P値のPは確率を表すProbabilityのP。（摘自野村研究所的技术论坛）

同时，p值在不同检验中定义不同。例如：\chi^2-检验中的p值定义为：\mathrm{Pr}\{\chi^2检验量\geq 由实际数据计算的\chi^2\}

一般p值小于5%（或1%）时拒绝H_0，接收H_1