显著性水平和置信度的关系 举例说明

在假设检验中,显著性水平α是指
A、P（接受H.| H.为假）=αB、P（拒绝H1 | H1为假）=αC、P（拒绝H.| H.为真）=αD、P（拒绝H1 | H1为真）=α选什么啊?

检验的显著性水平是()
A 第二类错误概率 B 第一类错误概率的上限
C 第二类错误概率 D 第二类错误概率的上线
A是第一类错误概率....上面打错了

单侧概率P=90%时的t值是不是与显著性水平(置信度)90%时的t值相同?
化学书上的表格中置信度(显著性水平)在表格的最上方而单侧概率P在表格的最下方,但是就例如置信度90%那一栏t值对应的单侧概率P上却是0.050(也就是95%),那P=90%时的t值应该如何取?是否仍取置信度90%时的t值?

在假设检验中,显著性水平的意义是?（以下哪个正确）
(A)原假设Ho成立,经检验拒绝Ho的概率.
(B)原假设Ho成立,经检验接受Ho的概率.
(C)原假设Ho不成立,经检验拒绝Ho的概率.
(D)原假设Ho不成立,经检验不能拒绝Ho的概率.

显著性水平的α是不是等于弃真概率α
看到一句话“提高显著性水平α,就可以降低犯α类错误的概率”
H0为真,接受H0的概率1-α和置信度1-α是一个概念吗

显著性水平的概率等于第一类错误的概率吗?
老是混淆显著性水平的概念.
如果我计出一个Z值对应的左尾面积是0.02,我可以理解成这个值的发生概率只有2%,属于低概率事件,如果显著性水平是0.05,因为这个值的发生概率是0.02,比显著性水平还要低,所以应该拒绝原假设?
另外,显著性水平为0.05的时候是不是意味着犯第一类错误的几率也是5?

方差分析
如题
一元方差分析中sig=0.017
问：假定显著性水平=0.05,能得出什么结论?
显著性水平和sig之间是什么关系啊,

1.在假设检验中,显著性水平α的意义是【 】.
(A)原假设H.成立,经检验拒绝H.的概率.
(B)原假设H.成立,经检验接受H.的概率.
(C)原假设H.不成立,经检验拒绝H.的概率.
(D)原假设H.不成立,经检验不能拒绝H.的概率.
2.设D（X）=25,D(Y)=1,X与Y独立,则D（X-2Y）=【 】
(A)23 (B)27 (C)21 (D)29
3.以A表示事件“甲种产品滞销,乙种产品滞销”,则其对立事件¯A为【 】.
(A) “甲种产品畅销或乙种产品畅销”.
(B) “甲种产品滞销,乙种产品畅销”.
(C) “甲种产品滞销”.
(D) “甲、乙两种产品均畅销”.
4.设随机变量X~N(2,4),N(0,1),且X,Y相互独立,Z=X+2Y ,则 【】
(A) N(6,8) (B) N(2,8) (C) N(0,6) (D) N(0,46)

关于假设检验中,显著性水平的一点疑惑
课本例题：在a=0.05,总体方差已知的条件下,算出来的Z值等于+2.50,而查表得a=0.05对应的零界值是+/-1.96（双尾假设检验）.因为算的Z值大于零界值,所以拒绝原假设.
我的疑惑是,a等于多少,才能不拒绝原假设（不知道这个疑问有没有违背数理统计的原则,不过我在网上貌似看到这种做法叫显著性水平的选取）?然后我就拿了几个a值算了一下,发现a=0.1时临界值为+/-1.645,a=0.05时临界值为+/-1.96,a=0.01时临界值为+/-2.58（假设都在双尾假设检验的情况下）.可以看到显著性水平越小,其临界值的取值越大,那么在a=0.01的情况下,可以使例题中的原假设成立!
我就觉得很奇怪,按我的逻辑,为了不拒绝原假设,要是a=0.05,也就是95%的置信水平下拒绝原假设,那么就稍稍降低置信水平.当置信水平越高,原假设越不容易被拒绝!要是这样的话,我们以后做假设检验,显著性水平取越小,原假设越可能成立了,而且我们可以信心满满地说,“我们有99%的把握说明原假设为真.”,“在95%的置信水平下,拒绝原假设.”
当我想到这里,我是真的醉了.完全卷入自己的想法中,找不到原因解释这个说法.