来自传统显着性检验的 p 值是否与贝叶斯规则中的误报值相同？和/或以这种方式使用时是否“足够接近”以提供正确的结果？

这两个术语的定义似乎在谈论同样的事情，但我知道很容易被微妙之处绊倒。维基百科说，p 值是“假设零假设为真，获得至少与实际观察到的一样极端的检验统计量的概率。”

该页面说贝叶斯规则中的错误错误率 P(D|H') 是如果 H' 为真，则观察到 D 的概率。

在这两种情况下，您都在谈论当现实是 H' 时看到显示为 H 的数据的概率。

但是，假设两者是等价的，我看到两个可能的问题：P(D|H') 定义中的 D 似乎指的是单个数据，而 p 值的定义似乎指的是一个范围值（“至少与极端一样”）；而且我还不够聪明，无法弄清楚 H' 是否等同于零假设。在我研究过的所有简单的贝叶斯例子中，它似乎确实是，但我还没有找到一个明确的说法。

如果 p 值和误报值不相同，我也没有找到关于它们如何相关的明确声明，因为它们都在说关于数据和假设的至少松散相似的事情。