如果小明接種了流感疫苗，他就不會感冒了。
如果小李努力學習，他就不會參加個位數考試。
如果小張在高帥很富有，那麽小張不會使用諾基亞。
這裏使用的邏輯是，如果p不是q，則等價於它的否定命題，q不是p。
如果小明感冒了，他壹定沒有接種疫苗。
如果小李考了個位數，他壹定沒有好好學習。
如果小張使用諾基亞，那麽小張在高帥壹定不富裕。
邏輯語言清晰之後，我們再來看看統計語言是如何描述上述問題的:
如果小李努力學習，他有95%的把握不會參加個位數考試。
問題出現了。我們小李宿舍沒有攝像頭。我們怎麽知道小李是否努力學習了呢？我們只能通過考試來觀察小李考試不及格的概率。
那麽讓我們懷著最大的善意假設小李確實努力學習了。
將此過程寫成統計語言:
原假設:小李學習很努力。
另壹種假設:小李學習不努力
事實上，考試分數是從壹個特殊分布中抽取的。現在的結果是小李得了個位數的分數。雖然我們無法觀察小李是否努力學習，但我們可以說，通過觀察他的個位數分數，我們可以95%確定小李沒有努力學習。
為什麽我們不說小李壹定沒有好好學習呢？因為小李可能學習很努力，但因為考試那天他叔叔來了，所以他考試不及格。但是，出現這種情況的概率很小。如果小李沒有考好是因為他叔叔來了，那麽我們就犯了第壹種錯誤（也叫拋棄真理）。當然，我們不想冤枉小李，所以我們希望控制這種錯誤的概率。壹般來說，我們可以把這種錯誤控制在5%以下