Statistics 统计意义
统计显着性表示统计实验或测试的结果不是随机发生的，而是归因于某种原因。结果的统计显着性可强可弱，这对于严重依赖研究工作的行业（如保险、制药、金融、物理等）非常重要。
统计显着性有助于选择样本数据，以便人们可以判断测试的结果或结果是否真实，而不是由随机原因引起。
统计学家通常通过抽样误差来制定统计显着性程度。一般5%的抽样误差是可以接受的。样本量也很重要，因为考虑到大样本容易出错，它应该是具有代表性的样本，而不是非常大的样本。
显着性水平
事件被认为具有统计显着性的水平称为显着性水平。统计学家使用称为 p 值的检验统计量来获得统计显着性。如果事件的 p 值低于特定水平，则认为该事件具有统计显着性。 p 值是标准偏差和数据样本均值的函数。 p 值是事件的概率，它证明统计检验的结果是偶然发生或由于某些抽样错误而发生的。换句话说，这是统计测试失败的风险。与 p 值相对的是置信水平，即 1-p 值。
如果结果的 p 值为 5%，则意味着结果的置信度为 95%。
