臨界值是在原假設下，檢驗統計量在分布圖上的點，這些點定義一組要求否定原假設的值。這組值稱為臨界或否定區域。通常，單側檢驗有一個臨界值，雙側檢驗有兩個臨界值。在臨界值處，當原假設為真時，檢驗統計量在檢驗的否定區域中有值的概率等于顯著性水平（用 α 或 alpha 表示）。
圖 A
圖 B
α = 0.05 時的标準正态分布上的臨界值
圖 A 顯示當檢驗統計量的值等于或大于 1.64（本例中的臨界值）時，單尾 Z 檢驗的結果顯著。陰影面積表示曲線下方面積出現類型 I 錯誤的概率（在本例中，α = 5%）。圖 B 顯示當檢驗統計量的絕對值等于或大于 1.96（本例中的臨界值）時，雙尾 Z 檢驗的結果顯著。兩個陰影面積加在一起等于曲線下方面積的 5% (α)。
計算臨界值的示例
在假設檢驗中，可通過兩種方法來确定樣本中是否有足夠的證據來否定 H0 或無法否定 H0。最常用的方法是将 p 值與預先指定的 α 值（α 是在 H0 為真時否定 H0 的概率）進行比較。但是，等效方法是将基于數據計算的檢驗統計量值與臨界值進行比較。下面的示例說明如何計算單樣本 t 檢驗和單因子方差分析的臨界值。
計算單樣本 t 檢驗的臨界值
假定要針對十個觀測值執行單樣本 t 檢驗，進行雙側備擇假設（即，H1 不等于），并且使用的 alpha 等于 0.10：
這會得出逆累積概率，該值等于臨界值 1.83311。如果 t 統計量的絕對值大于此臨界值，則可以在顯著性水平為 0.10 時否定原假設 H0。
計算方差分析（單因子方差分析）的臨界值
假定要針對十二個觀測值執行單因子方差分析，該因子有三個水平，并且使用的 alpha 等于 0.05：
這會得出逆累積概率（即臨界值）4.25649。如果 F 統計量大于此臨界值，則可以在顯著性水平為 0.05 時否定原假設 H0。
,更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!
zpostcode 
Recruit 
weather 
mreligion 
Yellowpages 
sport 
constellation 
shopping 
name 
game 
directory 
literature 
Word 
tour 
furnish 
Lottery 
tftnews 
lyrics 
News 
digital 
car 
dir 
Edu 
Finance 
