您如何向没有统计背景的人解释统计意义？

背景：
我必须为绝对是统计初学者的客户（某种律师）进行数据分析。他问我“统计意义”一词的含义，我真的试图解释它……但是由于我不擅长解释事情，所以我失败了；）

差异是偶然的结果。

当我们认为某件事在统计上很重要时，我们相信差异大于合理地解释为偶然事件的可能性。

注意：我想在这个答案中强调的是统计显着性是一个有用的工具，但也不同于事实。

拿一包52张卡片。如果我的客户是无辜的，那是一副普通的卡片，共13张心。如果我的客户在说谎，那是固定的包装，所有52张卡片都是心脏。

我画了第一张牌，这是一颗心。啊，有罪！好吧，很明显，常识告诉我们事实并非如此：即使他是无辜的，也会有四分之一的机会发生这种情况。仅看一张卡片就没有统计意义。

因此，我们抽出第二张牌。另一颗心。嗯...那一定是有罪的！好了，剩下的51张卡片中仍然有12张红心，所以这并非没有可能。数学（13/52 * 12/51 = 0.0588）告诉我们，即使是无辜的，这种情况也会发生大约6％的时间。对于大多数科学家来说，这仍然不算数。

画第三张牌，另一颗心！连续三个。发生这种情况的可能性为（13/52 * 12/51 * 11/50 = 0.01294），因此，偶然发生这种情况的可能性超过1％。

在许多科学中，5％用作临界点。因此，如果除了这三张牌之外，您没有其他证据，那么您在统计上就可以证明他有罪。

重要的一点是，允许您查看的牌越多，您对他的内感的信心就越大，这是另一种说法，即统计学意义越高。

注意：除非允许您查看14张卡片，否则您永远不会证明他有罪。理论上，使用一包普通的纸牌可以连续绘制13张心，但是不可能有14张心。[除了学步车：我们假设卡片上的数字不可见；所有卡都是四种可能的西装之一，就是这样。

注意：当您抽出除心脏以外的任何卡片时，您就可以证明他的纯真。这是因为只有两种可能的包装：正常或全心全意。现实生活更加复杂，数学也变得更加复杂。

顺便说一句，如果您的客户不是纸牌玩家，请尝试“大富翁”（Monopoly）。但如果有人每次怀疑时都会掷双六的话。统计数据仅使我们能够准确地确定我们应该多可疑。

我个人的建议是不要谈论以下事情：

1. p值
2. 测试统计
3. 事情偶然发生的可能性。

不要对律师太在意。这是一个受过良好教育的人，至少在大学统计学课上度过了一个学期，但其中的一点点都没有。对于与我合作过的几乎所有其他非科学家来说，情况都是一样的-统计意义并不固定。这个概念太不自然了。

我鼓励您用证据解释统计意义。古典统计学家在0到1的范围内对证据进行编码，其中较小的值构成更多的证据，而按常规绘制界限则为0.05。

“具有统计意义的意义”是指某些事情可能只是随机发生的，但可能性很小。相反，更有可能是某种原因造成的。您应该使用与您的客户相关的示例对此进行更具体的说明，因为该说明是如​​此抽象。

例如，如果律师安妮（Anne）平均赢得的案件比比尔（Bill）多得多，这可能只是随机发生的。但是，如果安妮（Anne）在统计上赢得了更多案件，那么很有可能有某种东西可以帮助解释安妮（Anne）比比尔（Bill）赢得更多案件的原因。我们不知道原因。也许安妮是个更好的律师，或者比尔故意选择了难度更大的案件。

保持简洁明了！

p值定义为在假设null为真的情况下获得或超过观察到的结果的可能性。如果p值足够小，则null可能不正确。对于我们认为足够小的“ alpha”，我们可以任意选择一个截止值；对于所有低于alpha的p值，我们都拒绝使用null。

这就是我向简介统计课解释的方式。

我会尽力。

首先，您需要根据平均数据以及数据的可变性来计算p值。变量越大，获得小的p值的可能性就越小。另一方面，例如，如果要比较两个组，则它们的平均值之间的差异越大，则p值越小。

而且，通过具有更多数据，可以在某种程度上抵消数据的可变性。以两个平均值之间相同的差异和相同的可变性对两组数据进行成像。在这种情况下，样本量较大的集合的p值较小。

测试部分只是查看p值是否小于某个数字。通常人们使用.05，但这是任意的社会习惯。许多人认为使用任意数字是没有意义的，但是由于历史原因，这种情况非常普遍。

还请记住，仅仅因为您的显着性检验表明两组之间存在差异，并不意味着您知道为什么存在差异。另一方面，如果测试表明没有显着差异，那可能仅仅是因为您的可变性太大，并且您没有足够的数据来获得低p值，这并不意味着没有实际差异。

编辑：

综上所述，较低的p值意味着有更多的证据反对这一预测：

与预测结果的差异->下p值

更多数据->下p值

更多可变性->向上p值

p值下降意味着更多证据表明该预测是错误的。历史上的每个预测都显示为假到小数点后一位。

统计重要性是用于提供接受或拒绝给定假设的理由的概念。给定一组数据，分析师可以计算统计数据并确定不同变量之间各种关系的大小。

统计工作是确定数据是否包含足够的证据，以使您能够得出结论：计算出的统计数据或变量之间观察到的关系可以解释为真实陈述，或者样本数据中观察到的结果仅仅是由于偶然。这是通过确定一些样本统计量来完成的，如果原始假设为真，则将显示某些特征，但如果原始假设为假，则不会。相关样本统计数据似乎越显示出在原假设下预期的特征，则原假设正确的统计证据越强。同样，在原假设下，样本统计数据似乎表现出较少的预期特征，则原假设正确的统计证据越弱。

样本统计量在零值下展现出预期特征的数量是一个程度的问题，但是为了得出是否接受或拒绝零值假设的结论，必须有一些任意的界限。这样，选择截止值。如果样本统计量在临界值之内或在该临界值的一侧，则认为它符合零假设下预期的特征，因此对于给定的临界值（例如，在5％的alpha值），结果可以被认为具有统计学意义水平）。如果相关样本统计量位于临界值的另一侧，则认为该统计值不符合零假设下的预期特征，因此，对于给定的临界值，该结果在统计上并不重要。