統計分析的核心是以隨機樣本推斷整體；
以h0代表原假設，h1代表它的相反面；
p值是指假設h0為真的情況下，發生h1的概率，
其實我們抽取到的樣本就是h1。p值可以描述為：
假設總體均值為10，我們抽取到的樣本均值為6的概率；
假設總體是100個，如果根據樣本計算出的
p值等於0.05，也就是說：
假設原假設成立，我們抽取到的樣本必須是來自於這5個，才有可能發生
「抽取到的樣本均值是6」的情況，這顯然概率很低，所以原假設就不成立了。
如果p=0.02，
也就是說：
假設原假設成立，我們抽取到的樣本必須是來自於這2個，才有可能發生
「抽取到的樣本均值是6」的情況，這顯然概率很低，所以原假設就不成立了。
但是每個人認為「不太可能發生」的標準都不一樣：
有的人認為從100個當中抽中指定5個不太可能或者概率很低，就將這個標準定為0.05，0.05即為顯著性水平；
有的人認為從100個當中抽中指定1個才是不太可能或者概率很低（這些人認為抽到指的5個仍有很大概率發生），就將顯著性水平定為0.01。
引申：假設是根據樣本情況定的，比如
如果樣本的均值為6，備擇假設必須是：總體均值小於10；
如果樣本的均值為11，備擇假設必須是：總體均值大於10；
假設檢驗 顯著性水平 P值 置信區間
統計學有兩個推斷統計方法，乙個是引數估計，另乙個是假設檢驗。1 提出原假設 假設分為原假設h0和備選假設h1 2 選擇假設檢驗方法，計算檢驗統計量 3 判斷臨界值，得出結論 根據檢驗統計量或p值 一般情況下，當p值小於0.05則可以拒絕原假設 當我們做判斷的時候就會面臨著兩種假設檢驗的錯誤 這也可以...
視覺顯著性
視覺顯著性 visual saliency detection 是指對於真實世界中的場景，人們會自動的識別出感興趣區域 region of interesting 並對感興趣的區域進行處理忽略掉不感興趣的區域。比較典型的視覺顯著性的標註為下圖所示 人體視覺顯著性 人類的視覺注意機制有兩個策略 自底向...
地理建模 顯著性檢驗
學習地理建模時總是遇到顯著性檢驗，這裡記錄一下。顯著性檢驗是用於檢測科學實驗中實驗組與對照組之間是否有差異以及差異是否顯著的辦法。顯著性檢驗 的前提條件是 統計假設 用更通俗的話來說就是要先對科研資料做乙個假設，然後用檢驗來檢查假設對不對。一般而言，把要檢驗的假設稱之為原假設，記為h0 把與h0相對...