这是我对费舍尔在你的粗体引文中所说的话的解释。不应该忘记，在选择要检验的假设方面有很多工作要做，以至于即使是一个人的决定，您也无法全部指定。还不应忘记，由于上述原因，您不能始终以相同的方式决定特定试验的显着性水平，作为终生的习惯。

1. 由于研究人员的偏见及其当前的知识状况，科学假设被选为值得针对许多其他竞争假设进行测试。假设是“高度选择的”，而不是样本；假设是我们应用测试的情况。

2. 假设的选择过程会影响我们的显着性水平。如果我们非常确定一个假设，那应该使显着性水平不那么严格以满足我们自己。如果我们不确定是否有更高的举证责任。其他因素也起作用，例如在药物试验中，第一类错误比第二类错误更糟糕。

3. 我认为当他说“由”指示时，他的意思只是“被选中”。是的，这是一个预设值，如果 p 值更极端，我们会拒绝该假设。

费舍尔所指的案例不是观察，而是测试。也就是说，我们选择假设进行检验。我们不只是测试随机假设——我们基于观察、文献、科学理论等。

如果您确实测试了随机假设，那么您错误的次数（在引用的第一句话中）将是 1%（或选择的任何值）。例如，如果我们测试假设，例如

• 一个人社保号的奇偶性与他的智商有关

• 金发的人比黑发的人扔飞盘好

• 在 Cross Validated 上获得答案的时间与您名字中的音节数量有关。

并以 1% 的比例测试了一大堆，我们会在大约 1% 的时间内拒绝空值，并且这样做是错误的。（当然，除非我对上述废话有所了解）。

我曾经看过一篇关于头发颜色和飞盘投掷的文章——它发现了不同之处！所以，我把这种事情叫做“飞盘研究”。

但我最喜欢这句话的部分是：

因为事实上，没有一个科学工作者具有固定的意义水平，年复一年，在任何情况下，他都拒绝假设；他宁愿根据他的证据和他的想法对每一个特定的案例进行思考。

他一定在他的坟墓里旋转。

试图查看引用的背景，我来到了这本书的一个版本（我不确定哪个版本），它的引用略有不同

https://archive.org/details/in.ernet.dli.2015.134555/page/n47

试图解释科学研究中意义测试的说服力，通过参考可能陈述的假设频率，基于它们，是对还是错，因此似乎错过了这些测试的本质性质。一个人暂时“拒绝”一个假设，按照习惯做法，当重要性在 1% 或更高的水平时，肯定会在不超过 1% 的此类决定中犯错。因为当假设正确时，他只会在其中 1% 的情况下犯错误，而当假设不正确时，他永远不会错误地拒绝。因此可以做出这种不等式陈述。然而，这种计算是荒谬的学术性的，因为事实上没有一个科学工作者具有固定的重要性水平，每年，在任何情况下，他拒绝假设；他宁愿根据他的证据和他的想法对每一个特定的案例进行思考。此外，计算仅基于一个假设，根据证据，该假设通常根本不被认为是正确的，因此，假设这样一个短语具有任何含义，错误决策的实际概率可能是远低于指定显着性水平的频率。对于一个拒绝假设的实际人来说，当然，这与他可能被引导错误地接受假设的概率无关，因为在他的情况下，他并没有接受它。往往根本不被认为是正确的，因此，假设这样一个短语具有任何含义，错误决策的实际概率可能远低于指定重要性水平的频率。对于一个拒绝假设的实际人来说，当然，这与他可能被引导错误地接受假设的概率无关，因为在他的情况下，他并没有接受它。往往根本不被认为是正确的，因此，假设这样一个短语具有任何含义，错误决策的实际概率可能远低于指定重要性水平的频率。对于一个拒绝假设的实际人来说，当然，这与他可能被引导错误地接受假设的概率无关，因为在他的情况下，他并没有接受它。

在我看来，使用拒绝可能性的数学表达，I 类错误，作为一些严格的论点，这似乎是一种批评。这些表达通常不能很好地表达相关内容，也不严谨。

1. 为什么选择应用测试的案例“高度选择”？

   这似乎与句子有关

   此外，计算仅基于一个假设，根据证据，该假设通常根本不被认为是正确的

   我们对正在测试的假设并非无动于衷，而且通常正在测试的假设不被认为是正确的。

2. 这与显着性水平的选择有什么关系？

   这涉及

   因此，假设这样一个短语具有任何含义，错误决策的实际概率可能远低于指定显着性水平的频率

   当零假设为真时，p 值只是犯错的频率。但实际犯错的频率会有所不同（更低）。

3. 什么是“特定试验表明的实际意义水平”指的是

   我相信这部分是指某种 p-value hacking。在观察发生后更改显着性水平 alpha 以匹配观察到的 p 值，并从一开始就假装这是截止值。