2019-02-22我觉得会逐渐变得一致的。样本数量越多，样本均值应该越来越接近于总体均值作者回复: 是的
1 5- 2019-02-22老师早上好啊！在“总结”的上一段写着“如果P值足够小，我们就可以拒绝原假设，认为多个分组内的数据来自不同的数据分布，它们之间存在显著性的差异。”这里，我的理解是，“存在差异的显著性”。请问我的理解对吗？
作者回复: 是的👌
2 
2019-09-16显著性差异
差异具有显著性表示差异的原因是分布差异
具有显著性差异表示差异的绝对值比较大
统计假设检验，先假设，然后看有没有反面证据（在假设条件下的小概率事件），如果有就拒绝原假设，接受对立假设。如果没有就接受原假设。这里拒绝原假设的论证手法和反证法类似。
P值就是在给定假设，观察值发生的概率。这个条件概率越大，假设越可靠。展开作者回复: 确切的说，P值是指在空假设（原假设）成立的情况下，给定值发生的概率，如果越小，证明发生的概率越小，越具有偶然性，所以可以更有信心的拒绝空假设。
1
2019-03-21"显著性差异（Significant Difference），其实就是研究多组数据之间的差异，是由于不同的数据分布导致的，还是由于采样的误差导致的。"
是不是写错了，还是我理解错了？听了录音，我以为应该是“是由于不同的数据分布导致的呢，还是由于采样的误差导致的？”作者回复: 原文可能语气没有写出来，应该是和录音表达的同一个意思。
1
2019-10-15样本越大，得到的结果会越趋于平均值，和显著性检验的结论会变得一致。
在假设检验中，当h0成立，而接受h1时，弃真。当h0不成立，而接受h0时，存伪。作者回复: 很好的总结，弃真和存伪就是我们常说的type1 error和type2 error
- 2019-09-17（1-P）值是我们拒绝H0的信心指数,一般当P小于0.05，也就是1-P 大于0.95,我们就拒绝H0，反之我们就接受H0.
- 2019-09-16思考题
样本数量增加，如果是正态分布，均值测量会越来越可靠，其差异也会越来越精确，但是仅仅靠均值无法完整描述分布，还要考虑方差。如果不是正态分布，情况就会更为复杂。作者回复: 是的👍