2025年统计学期末考试题库：统计推断与检验在市场营销研究中的试题

2025年统计学期末考试题库：统计推断与检验在市场营销研究中的试题考试时间：______分钟总分：______分姓名：______一、单项选择题（本大题共20小题，每小题2分，共40分。在每小题列出的四个选项中，只有一项是最符合题目要求的，请将正确选项字母填在题后的括号内。）1.在市场营销研究中，当我们想要了解某品牌洗衣粉的市场占有率时，最适合使用的统计推断方法是（）A.相关分析B.回归分析C.点估计D.区间估计2.如果我们想要检验某广告活动是否显著提升了产品销量，应该采用哪种假设检验？（）A.单样本t检验B.双样本t检验C.卡方检验D.方差分析3.在进行抽样调查时，样本量的确定主要取决于哪些因素？（）A.总体规模、置信水平和误差范围B.样本方差、置信水平和误差范围C.总体规模、样本方差和置信水平D.总体规模、样本方差和误差范围4.假设我们想要比较两种不同包装方式对产品销量的影响，应该采用哪种统计方法？（）A.单因素方差分析B.双因素方差分析C.相关分析D.回归分析5.在市场营销研究中，置信区间的主要作用是什么？（）A.描述数据的分布情况B.检验假设是否成立C.估计总体参数的范围D.分析变量之间的关系6.当我们想要了解消费者对某产品的满意度时，最适合使用的统计方法是（）A.描述性统计B.推断性统计C.相关分析D.回归分析7.在进行假设检验时，第一类错误和第二类错误的定义分别是什么？（）A.第一类错误是拒绝了实际上成立的假设，第二类错误是接受了实际上不成立的假设B.第一类错误是接受了实际上不成立的假设，第二类错误是拒绝了实际上成立的假设C.第一类错误是拒绝了实际上不成立的假设，第二类错误是接受了实际上成立的假设D.第一类错误是接受了实际上成立的假设，第二类错误是拒绝了实际上不成立的假设8.在市场营销研究中，当我们想要了解不同年龄段消费者对某产品的购买意愿时，最适合使用的统计方法是（）A.描述性统计B.推断性统计C.相关分析D.回归分析9.在进行抽样调查时，抽样方法主要分为哪两种？（）A.随机抽样和非随机抽样B.简单随机抽样和分层抽样C.分层抽样和整群抽样D.简单随机抽样和整群抽样10.在进行假设检验时，p值的主要作用是什么？（）A.衡量样本数据与假设之间的差异程度B.衡量总体参数与假设之间的差异程度C.衡量样本数据与总体参数之间的差异程度D.衡量假设检验的可靠性11.在市场营销研究中，当我们想要了解某产品的市场份额时，最适合使用的统计方法是（）A.描述性统计B.推断性统计C.相关分析D.回归分析12.在进行抽样调查时，抽样框的主要作用是什么？（）A.描述总体特征B.确定样本单位C.估计总体参数D.分析数据分布13.在进行假设检验时，显著性水平的主要作用是什么？（）A.确定假设检验的临界值B.衡量假设检验的可靠性C.确定样本量D.分析数据分布14.在市场营销研究中，当我们想要了解消费者对某产品的品牌忠诚度时，最适合使用的统计方法是（）A.描述性统计B.推断性统计C.相关分析D.回归分析15.在进行抽样调查时，抽样误差的主要来源是什么？（）A.样本量不足B.抽样方法不当C.总体分布不均匀D.测量误差16.在进行假设检验时，拒绝域的主要作用是什么？（）A.确定假设检验的临界值B.衡量假设检验的可靠性C.判断样本数据是否支持原假设D.分析数据分布17.在市场营销研究中，当我们想要了解不同地区消费者对某产品的购买意愿时，最适合使用的统计方法是（）A.描述性统计B.推断性统计C.相关分析D.回归分析18.在进行抽样调查时，分层抽样的主要优点是什么？（）A.提高样本代表性B.减少抽样误差C.简化抽样过程D.提高数据准确性19.在进行假设检验时，备择假设的主要作用是什么？（）A.描述总体参数B.衡量样本数据与假设之间的差异程度C.衡量总体参数与假设之间的差异程度D.衡量假设检验的可靠性20.在市场营销研究中，当我们想要了解某产品的市场份额变化趋势时，最适合使用的统计方法是（）A.描述性统计B.推断性统计C.相关分析D.回归分析二、多项选择题（本大题共10小题，每小题3分，共30分。在每小题列出的五个选项中，有多项是符合题目要求的，请将正确选项字母填在题后的括号内。每小题选出错误选项得0分。）1.在市场营销研究中，哪些因素会影响样本量的确定？（）A.总体规模B.置信水平C.误差范围D.样本方差E.抽样方法2.假设检验的主要步骤有哪些？（）A.提出假设B.选择检验统计量C.计算p值D.做出决策E.计算置信区间3.描述性统计的主要作用是什么？（）A.描述数据的集中趋势B.描述数据的离散趋势C.描述数据的分布形状D.估计总体参数E.检验假设4.抽样调查的主要方法有哪些？（）A.简单随机抽样B.分层抽样C.整群抽样D.配额抽样E.判断抽样5.假设检验中的p值和显著性水平的关系是什么？（）A.p值小于显著性水平时拒绝原假设B.p值大于显著性水平时拒绝原假设C.p值小于显著性水平时接受原假设D.p值大于显著性水平时接受原假设E.p值等于显著性水平时无法做出决策6.在市场营销研究中，哪些统计方法可以用来分析变量之间的关系？（）A.相关分析B.回归分析C.方差分析D.描述性统计E.假设检验7.抽样误差的主要来源有哪些？（）A.样本量不足B.抽样方法不当C.总体分布不均匀D.测量误差E.抽样框不完整8.置信区间的主要作用是什么？（）A.估计总体参数的范围B.描述数据的分布情况C.检验假设是否成立D.分析变量之间的关系E.衡量样本数据的可靠性9.在进行假设检验时，哪些因素会影响检验的可靠性？（）A.样本量B.显著性水平C.检验统计量D.抽样方法E.总体分布10.在市场营销研究中，哪些统计方法可以用来比较不同组别之间的差异？（）A.单样本t检验B.双样本t检验C.方差分析D.卡方检验E.相关分析三、简答题（本大题共5小题，每小题5分，共25分。请将答案写在答题纸上。）1.简述假设检验的基本步骤，并说明每一步的目的。在市场营销研究中，假设检验是一种常用的统计方法，帮助我们判断某个市场现象或策略是否具有显著性。假设检验的基本步骤主要包括提出假设、选择检验统计量、计算p值和做出决策。首先，我们需要根据研究问题提出原假设和备择假设。原假设通常是我们想要检验的假设，备择假设则是与原假设相对立的假设。提出假设的目的是明确我们想要检验的内容。其次，我们需要选择合适的检验统计量，比如t统计量、卡方统计量等。选择检验统计量的目的是根据样本数据计算出一个能够反映数据特征的值。然后，我们需要计算p值，p值是当原假设成立时，观察到当前样本数据或更极端数据的概率。计算p值的目的是衡量样本数据与原假设之间的差异程度。最后，我们需要根据p值和显著性水平做出决策。如果p值小于显著性水平，我们拒绝原假设；如果p值大于显著性水平，我们接受原假设。做出决策的目的是根据样本数据得出结论，指导市场营销策略的制定。2.解释什么是抽样误差，并说明抽样误差的主要来源。抽样误差是指在抽样调查中，由于样本与总体之间的差异导致的估计值与真实值之间的差异。抽样误差是不可避免的，但我们可以通过合理的抽样方法和增加样本量来减小抽样误差。抽样误差的主要来源包括样本量不足、抽样方法不当、总体分布不均匀和测量误差。样本量不足会导致样本代表性不足，从而增加抽样误差。抽样方法不当，比如非随机抽样，会导致样本选择偏差，从而增加抽样误差。总体分布不均匀，比如某些群体在样本中的比例过低，会导致样本无法准确反映总体的特征，从而增加抽样误差。测量误差，比如问卷设计不合理或调查员操作不规范，会导致样本数据不准确，从而增加抽样误差。3.描述置信区间的含义，并说明置信区间的主要作用。置信区间是指在一定的置信水平下，估计总体参数的可能范围。置信区间的含义是，如果我们重复进行抽样调查多次，每次计算出置信区间，那么在这些置信区间中，有百分之百的置信水平包含真实的总体参数。置信区间的主要作用是估计总体参数的范围，帮助我们了解总体参数的可能取值。通过置信区间，我们可以更全面地了解数据的特征，而不仅仅是一个点估计值。同时，置信区间也可以用来衡量估计的准确性，置信区间越窄，说明估计的准确性越高。4.在市场营销研究中，为什么需要使用统计推断？在市场营销研究中，我们需要使用统计推断来帮助我们了解市场现象和消费者行为。统计推断可以帮助我们从样本数据中推断出总体的特征，从而更全面地了解市场情况。例如，我们可以通过抽样调查来了解消费者的购买意愿、品牌忠诚度等，然后通过统计推断来估计整个市场的特征。统计推断还可以帮助我们检验市场策略的效果，比如通过假设检验来判断某个广告活动是否显著提升了产品销量。通过统计推断，我们可以更科学地进行市场营销决策，提高市场竞争力。5.解释相关分析和回归分析的区别，并说明在市场营销研究中，何时使用相关分析，何时使用回归分析。相关分析是研究两个变量之间是否存在线性关系的统计方法，通过计算相关系数来衡量关系的强度和方向。回归分析是研究一个变量对另一个变量的影响程度的统计方法，通过建立回归模型来预测一个变量的值。相关分析和回归分析的区别在于，相关分析只研究变量之间的相关性，而不考虑因果关系，而回归分析则考虑变量之间的因果关系，并建立模型来预测一个变量的值。在市场营销研究中，当我们要了解两个变量之间的关系时，比如消费者的年龄和购买意愿之间的关系，我们可以使用相关分析来研究它们之间的相关性。如果我们想要预测一个变量的值，比如根据消费者的广告曝光量来预测他们的购买意愿，我们可以使用回归分析来建立模型进行预测。相关分析和回归分析都是市场营销研究中常用的统计方法，帮助我们更好地了解市场现象和消费者行为。四、论述题（本大题共2小题，每小题10分，共20分。请将答案写在答题纸上。）1.论述抽样调查在市场营销研究中的重要性，并说明如何选择合适的抽样方法。抽样调查在市场营销研究中具有重要性，它可以帮助我们从整体市场中获取样本数据，从而了解市场现象和消费者行为。通过抽样调查，我们可以节省时间和成本，同时也能获得较为准确的市场信息。抽样调查还可以帮助我们进行市场细分，了解不同群体的特征和需求，从而制定更有针对性的市场营销策略。选择合适的抽样方法对于抽样调查的准确性至关重要。一般来说，我们可以根据研究问题和总体特征选择不同的抽样方法。简单随机抽样是最基本的抽样方法，它能够保证每个样本单位都有相同的被抽中的概率，但简单随机抽样可能无法保证样本的代表性。分层抽样是将总体分成若干层，然后从每层中随机抽取样本，分层抽样可以提高样本的代表性，但需要了解总体的分层结构。整群抽样是将总体分成若干群，然后随机抽取一些群，对抽中的群进行全面调查，整群抽样可以节省时间和成本，但可能无法保证样本的代表性。配额抽样是根据总体的特征分配样本数量，然后按照配额进行抽样，配额抽样可以保证样本的代表性，但需要了解总体的特征。在选择抽样方法时，我们需要考虑研究问题、总体特征、样本量和成本等因素，选择最合适的抽样方法来保证抽样调查的准确性和可靠性。2.结合实际例子，论述假设检验在市场营销研究中的应用，并说明如何解释假设检验的结果。假设检验在市场营销研究中有着广泛的应用，它可以帮助我们判断某个市场现象或策略是否具有显著性。例如，我们可以通过假设检验来判断某个广告活动是否显著提升了产品销量。假设检验的结果可以帮助我们做出决策，比如是否继续投放广告，或者是否需要调整广告策略。假设检验的结果通常以p值和显著性水平来解释。如果p值小于显著性水平，我们拒绝原假设，说明样本数据与原假设之间存在显著差异，从而得出结论，比如广告活动显著提升了产品销量。如果p值大于显著性水平，我们接受原假设，说明样本数据与原假设之间不存在显著差异，从而得出结论，比如广告活动没有显著提升产品销量。在实际应用中，我们需要根据研究问题和市场情况选择合适的假设检验方法，比如t检验、卡方检验等，并根据p值和显著性水平做出决策。同时，我们还需要注意假设检验的局限性，比如样本量不足或抽样方法不当可能会导致假设检验结果的偏差。因此，在进行假设检验时，我们需要谨慎选择样本和方法，并结合其他市场信息进行综合分析，从而得出更准确的结论。本次试卷答案如下一、单项选择题1.C解析：市场占有率是一个未知的总体参数，需要通过抽样调查来进行估计，点估计是给出一个具体的估计值，而区间估计是给出一个可能的范围，都不符合题意。相关分析和回归分析是研究变量之间关系的，与估计市场占有率无关。2.B解析：检验广告活动是否提升了销量，是比較两种情况（广告前和广告后）的销量差异，属于比较两个样本均值的场景，应使用双样本t检验。单样本t检验是检验样本均值与某个已知值（如零假设值）的差异。卡方检验主要用于分类数据的拟合优度检验或独立性检验。方差分析用于比较三个或以上组的均值差异。3.A解析：样本量的大小主要受总体规模、所需的置信水平和允许的误差范围的影响。总体规模越大，通常需要更大的样本量（但不是线性关系）。置信水平越高（如从90%提高到95%），需要更大的样本量以获得更精确的估计。允许的误差范围越小，即要求估计越精确，也需要更大的样本量。样本方差影响抽样误差的大小，但不直接决定所需的最小样本量。置信水平和误差范围是研究者根据研究精度要求设定的。4.A解析：比较两种不同包装方式对产品销量的影响，是检验两个独立组（两种包装方式）的均值是否存在差异，这是单因素方差分析（One-WayANOVA）的应用场景。双因素方差分析是同时考虑两个因素对结果的影响。相关分析和回归分析是用于分析两个或多个变量之间的关系，不适用于比较组间均值差异。5.C解析：置信区间的主要作用就是在一定的置信水平下，给出总体参数（如总体均值、总体比例）可能落在的范围。它帮助我们理解样本估计值的精确度，以及我们对总体参数真实值的信心程度。描述性统计是描述数据特征，如集中趋势和离散趋势。假设检验是判断某个假设是否成立的统计方法。分析变量关系是相关分析和回归分析的功能。6.A解析：了解消费者对产品的满意度，通常是通过问卷调查收集一系列评分数据（如1到5分的李克特量表），然后计算这些评分的描述性统计量，如均值、中位数、众数、标准差等，来概括性地描述整体的满意度水平。这是描述性统计的核心应用。推断性统计是基于样本数据推断总体特征，虽然满意度分析最终可能涉及推断，但首要任务是描述收集到的满意度数据。相关分析和回归分析用于研究满意度与其他变量（如价格、广告）之间的关系。7.A解析：第一类错误（TypeIError）是指在原假设实际上是真的时候，我们错误地拒绝了它。在假设检验中，这相当于说某市场策略实际上有效，但我们错误地认为它无效。第二类错误（TypeIIError）是指在原假设实际上是假的时候，我们错误地接受了它。这相当于说某市场策略实际上无效，但我们错误地认为它有效。选项B、C、D的定义都是错误的。8.C解析：了解不同年龄段消费者对产品的购买意愿，涉及到两个变量：年龄（分类变量）和购买意愿（通常也是分类变量，如愿意/不愿意购买）。相关分析是用于分析两个连续变量之间的关系强度和方向，不适用于分类变量。推断性统计是一个broader概念，包含多种方法。回归分析是用于预测一个变量（因变量）如何随另一个或多个变量（自变量）变化，通常要求至少有一个连续变量。对于分类变量，更适合使用卡方检验来分析关联性，但题目问的是“统计方法”，相关分析和回归分析在此处不适用，如果必须选一个最接近的统计视角（尽管应用不当），相关分析在统计术语中常用来泛指变量间的关系，但这里C选项更准确，因为它指向了分类变量的关联性分析，尽管题目没有明确说明变量类型，但C选项隐含了分类变量的处理。9.A解析：抽样方法主要分为概率抽样（随机抽样）和非概率抽样两大类。概率抽样保证了每个单位都有被抽中的非零概率，通常能获得更可靠的推断。非概率抽样则是根据方便、判断或其他标准选择样本，可能引入偏差，但有时用于特定目的。简单随机抽样、分层抽样、整群抽样、系统抽样都属于概率抽样中的不同具体方法。选项B、C、D都是概率抽样的具体类型，不是与概率抽样相对的分类。10.A解析：p值是在原假设为真的情况下，观察到当前样本结果或更极端结果的概率。它衡量的是样本数据与原假设之间的不一致程度。p值越小，说明观测到的数据越不可能在原假设成立时发生，从而越有理由拒绝原假设。p值本身不是衡量总体参数与假设差异，也不是衡量样本数据与总体参数差异，也不是衡量假设检验可靠性的指标（可靠性主要与显著性水平和研究设计有关）。11.A解析：市场份额是指某品牌产品在特定市场中的销售额或销售量占该市场总销售额或总销售量的比例。这是一个需要从样本数据中推断出的总体参数。描述性统计可以用来计算样本中该品牌产品的销售占比，然后基于样本结果推断总体的市场份额。推断性统计的核心功能就是估计总体参数，如市场份额。相关分析和回归分析不直接用于估计市场份额。12.B解析：抽样框（SamplingFrame）是指用于抽取样本的总体单位的名单或集合。其主要作用是提供抽样所依据的单元列表，确保抽样过程能够顺利进行，即确定哪些单位是潜在的样本单位。描述性统计用于总结数据特征。估计总体参数是抽样调查的目标。分析数据分布是描述性统计的内容。13.A解析：显著性水平（SignificanceLevel，通常用α表示，如0.05）是研究者事先设定的一个阈值，用于决定何时拒绝原假设。它代表了研究者愿意承担的犯第一类错误（错误地拒绝真假设）的风险。当计算出的p值小于显著性水平时，我们认为观测到的数据与原假设的差异足够大，以至于不可能是偶然发生的，因此拒绝原假设。显著性水平是确定拒绝域（RejectionRegion）的临界值。它本身不衡量检验的可靠性（可靠性也与样本量有关），不用于确定样本量，也不分析数据分布。14.A解析：了解消费者对产品的品牌忠诚度，通常通过问卷调查收集消费者对品牌的评价和行为意向（如重复购买意愿、向他人推荐的可能性等）数据。然后计算这些忠诚度指标（如平均得分、比例等）的描述性统计量，来概括性地描述整体消费者的品牌忠诚度水平。这是描述性统计的核心应用。推断性统计虽然可能用于推断总体忠诚度，但首要任务是描述收集到的忠诚度数据。15.B解析：抽样误差是指样本统计量（如样本均值、样本比例）与总体参数（总体均值、总体比例）之间的差异。这个误差主要来源于抽样方法本身。如果采用随机抽样，即使样本量足够大，由于抽样是随机的，总会存在一定的抽样误差。抽样方法不当，比如使用非随机抽样（如方便抽样、判断抽样），会引入额外的、系统性的偏差，使得抽样误差不仅仅是随机误差，还包含了偏差，但这通常被视为一种质量问题，而非抽样误差的“来源”在随机抽样的框架内。总体分布不均匀主要影响的是抽样误差的大小（总体方差越大，抽样误差通常越大），而不是误差的来源本身。测量误差是指数据收集过程中的错误（如问卷设计缺陷、访问员错误），这会影响数据的准确性，但通常被视为非抽样误差。16.C解析：拒绝域（RejectionRegion）是在假设检验中，根据显著性水平确定的、使得p值小于该显著性水平的那些检验统计量取值区域。当计算出的检验统计量的值落在这个拒绝域内时，就意味着观测到的数据与原假设存在显著差异，从而拒绝原假设。拒绝域是做出决策（拒绝原假设）的依据。它不用于确定显著性水平，也不衡量检验的可靠性，不分析数据分布。17.C解析：了解不同地区消费者对产品的购买意愿，涉及到两个变量：地区（分类变量）和购买意愿（分类变量）。相关分析是用于分析两个连续变量之间的关系，不适用于分类变量。推断性统计是一个broader概念。回归分析通常要求至少有一个连续变量。对于分类变量，更适合使用卡方检验来分析不同地区购买意愿的比例是否存在差异或关联性。如果必须选一个最接近的统计视角，C选项“推断性统计”是最宽泛的类别，包含了所有推断方法，尽管没有具体指出是哪种方法（如卡方检验）。18.A解析：分层抽样的主要优点在于能够提高样本的代表性。通过将总体划分为同质性的子群（层），然后从每个层中随机抽取样本，可以确保每个层在样本中得到充分代表，特别是对于那些在总体中比例较小的层。这有助于减少抽样误差，因为每个层内部的变异较小。虽然分层抽样也可以帮助减少抽样误差（通过提高样本代表性间接实现），但其最核心、最直接的优势是提高样本的代表性，确保各层特征得到反映。简化抽样过程和提高数据准确性不是分层抽样的主要优点。19.B解析：备择假设（AlternativeHypothesis，通常用H1或Ha表示）是在假设检验中提出的、与原假设相对立的假设，它表达了研究者想要支持的或希望证明的观点。例如，如果原假设是“某种新广告策略对销量没有影响”，那么备择假设就是“某种新广告策略对销量有影响”。备择假设的作用是提供一个可以拒绝原假设的选项，从而得出有意义的结论。它描述的是样本数据与假设之间的差异程度（如果原假设不成立，数据会如何分布），衡量的是样本数据与假设之间的不一致性。描述总体参数、衡量总体参数与假设差异、衡量假设检验可靠性都不是备择假设的主要作用。20.A解析：了解某产品的市场份额变化趋势，通常需要收集该产品市场份额随时间变化的序列数据（时间序列数据），然后计算描述性统计量（如趋势均值、增长率）或使用时间序列分析方法（如趋势外推）来概括和预测未来的趋势。这是描述性统计和时间序列分析的应用。推断性统计虽然可能用于对未来的市场份额进行预测推断，但首要任务是描述和总结历史数据中的变化趋势。相关分析和回归分析不直接用于分析时间序列数据的趋势。二、多项选择题1.ABC解析：样本量的确定主要受三个核心因素影响：总体规模、置信水平和误差范围。总体规模越大，通常需要更大的样本量（尽管超过一定限度后增加效果不明显）。置信水平越高（如从90%提高到95%），意味着我们希望估计结果覆盖真实值的范围更宽，需要更大的样本量以获得更精确的估计。允许的误差范围越小（即要求估计越精确），需要更大的样本量。样本方差影响抽样误差的大小，进而影响所需样本量，但它不是决定样本量的直接因素，而是影响误差范围的。抽样方法影响抽样效率和可能的偏差，但不是确定样本量的主要计算依据。2.ABCD解析：假设检验的基本步骤包括：首先，根据研究问题提出原假设（NullHypothesis,H0）和备择假设（AlternativeHypothesis,Ha）。其次，选择一个合适的检验统计量，该统计量应基于样本数据，并且在原假设成立时具有已知的分布。然后，根据样本数据计算该检验统计量的具体值，并计算相应的p值（或比较统计量与临界值）。最后，根据p值与预设的显著性水平（α）进行比较，做出决策：如果p值小于α，则拒绝原假设；如果p值大于或等于α，则不拒绝原假设。计算置信区间是另一种统计推断方法，不是假设检验的核心步骤。3.ABC解析：描述性统计的主要作用是总结、概括和展示数据的特征。具体包括：描述数据的集中趋势（如均值、中位数、众数），揭示数据向哪个值集中；描述数据的离散趋势（如极差、方差、标准差），揭示数据的波动程度或分散程度；描述数据的分布形状（如偏度、峰度），揭示数据分布的对称性或尖锐程度。估计总体参数是推断性统计的主要作用。检验假设是假设检验的主要作用。4.ABCD解析：抽样调查的主要方法包括：简单随机抽样（每个单位等概率被抽中）、分层抽样（总体分层后，每层内随机抽样）、整群抽样（总体分群后，随机抽取群，群内全面调查或随机抽样）、配额抽样（按比例要求，非随机选择样本）、判断抽样（根据经验判断选择样本）、方便抽样（根据方便选择样本）。在上述选项中，简单随机抽样、分层抽样、整群抽样、配额抽样都是常见的抽样调查方法。判断抽样和方便抽样通常被视为非概率抽样方法，因其可能引入偏差，但在某些特定研究中也可能被使用。5.AE解析：在假设检验中，p值是在原假设为真的情况下，观察到当前样本结果或更极端结果的概率。显著性水平（α）是研究者事先设定的一个阈值，用于判断何时拒绝原假设。p值小于显著性水平（α）时，说明观测到的数据在原假设成立时发生的概率很小，我们认为这种结果不太可能是偶然发生的，因此有足够的证据拒绝原假设。p值大于显著性水平（α）时，说明观测到的数据在原假设成立时发生的概率较大，我们没有足够的证据拒