这个，数值范围相对稳定，比如设定为0.05，它就意味着我们认定概率小于0.05的事件是不可能发生的，根据具体情况，也可以设为0.1，都可以。

在做假设检验时，会发生两类误判。一类是弃真误判，一类叫纳伪误判。两者不能同时变小，以显著性水平0.05和0.01为例，同一个假设检验，0.05的弃真误判较小，但是纳伪较大。因为它假设检验的拒绝域更广。假设有更大的概率被拒绝，所以当假设应当被拒绝时，它相对于0.01的显著性水平发生误判的概率较小。也就是说弃真误判较小。但是如果原假设不应当被拒绝，它相对于0.01的显著性水平发生误判的概率就较大。因此，统计学上有一个诺曼原则。用来选择显著性水平。具体应用中，可以根据你要控制的误判类型来选择。

路过，友情顶。

规定显著性水平的，其实还是要看函数的分布。
一般而言，有正态分布，t分布，F分布，二项（多项）分布等等。每一种分布都有对应的概率密度函数，这个求积分（∫）就可以得到。然后对应的，我们就可以得到不同概率对应的图形面积。
以正态分布来说，分布函数就是期望为μ，方差为小Δ的形态。基于中心极限定理，对应它的概率分布，可以分为单尾和双尾两种。然后根据概率密度去求证是否符合假设检验。
假设检验也就是看目标值是否等于均值μ或者0（零假设/虚无假设），然后0.95或者0.99的置信区间里看目标值是否存在。如果存在，说明没有否定零假设，也就是目标值等于μ或者0（设定值）。反之，就是证伪了零假设，接收与之互斥的备择假设。