1，卫生统计学中p005拒绝h0为什么会犯第一类错误2，为什么p小于a的时候拒绝h03，1假设检验中犯第一类错误的概率不超过a等价于错误的拒绝h0的4，如何看待假设检验中的两类错误及其关系5，统计中hypothesis testing是什么意思这种方法是如何操作的1，卫生统计学中p005拒绝h0为什么会犯第一类错误
只要拒绝原假设的时候就有犯第一类错误的可能性；不拒绝原假设（接受原假设）的时候就有犯第二类错误的可能性！而p值是说根据样本信息，得出的原假设或不利于现在情况的可能性，也是一个概率值！
2，为什么p小于a的时候拒绝h0
p值系指h0成立的概率。a是假设检验拒绝h0，下“有差别”结论时犯错误的概率，是事先设定的。p≤a，说明在h0成立的条件下，得到现有统计量的概率小于a，因为小概率事件几乎不可能在一次试验中发生，所以拒绝h0，下“有差别”的结论。此时，我们知道可能犯错误的概率不会大于a，也就是说有了概率保证。
3，1假设检验中犯第一类错误的概率不超过a等价于错误的拒绝h0的
1第一类错误就是弃真错误 就是不该拒绝却拒绝了原假设2看不懂你的问题 结果是拒绝了原假设 实际h1又不对？那不就是不该拒绝而拒绝？还是第一类错误显著性水平a是指作100次该实验，出现第一类错误（原假设正确，拒绝原假设）的次数是a*100，a大，出现第一类错误的次数多，越不拒绝原假设，减少第二类错误（原假设错误，接受原假设）的次数（概率）。
4，如何看待假设检验中的两类错误及其关系
假设检验及其两类错误是数理统计学中的名词。在进行假设检验时提出原假设和备择假设，原假设实际上是正确的，但我们做出的决定是拒绝原假设，此类错误称为第一类错误。原假设实际上是不正确的，但是我们却做出了接受原假设的决定，此类错误称为第二类错误。第一类错误（ⅰ类错误）也称为 α错误，是指当无效假设(h0)正确时，而拒绝h0所犯的错误。这意味着研究者的结论并不正确，即观察到了实际上并不存在的处理效应。第二类错误（ⅱ类错误）也称为β错误，是指无效假设错误时，反而接受无效假设的情况，即没有观察到存在的处理效应。
5，统计中hypothesis testing是什么意思这种方法是如何操作的
问题问的有点广。基本上来说，hypothesis testing是通过样本去验证总体的方法。一般情况下会分为null hypothesis (h0)和alternative hypothesis (ha或者h1). h0和h1是相对立的。h0是我们验证的主要对象，是通过验证是否拒绝h0来判定h1的正确与否。方法就是通过p值，p值可以理解为有多大概率h0是真的。如果p值很小，小于我们设定的显著性水平（α，一般会设定为0.05），我们就可以拒绝h0,意味着我们有足够证据证明ha是真的。如果大于显著性水平，就是我们没有足够证据证明ha是真的。这里要强调一点，我们从不接受h0，只是拒绝或不拒绝，因为拒绝了h0并不意味着h0是错误的。这是因为在验证h0的时候我们会犯两类错误。type i error （第一类错误）：h0为真时，我们错误的拒绝了它。type ii error （第二类错误）：h0为假时，我们错误的接受了它。出现这两类错误的原因都是因为我们设定显著性水平α时出了问题。当α设定过低时，就容易犯第一类错误，当α设定过高时，就会犯第二类错误。但同时，我们为避免第一类错误时，势必会提高犯第二类错误的风险，所以显著性水平的设定需要小心。当然，如果你只是在学校学习的话，我们一般会把α直接理解为0.05。不明白啊 = =！