关于假设检验下列说法正确的是()A 当样本数量增加的时候 犯第一类错误的概率减小，犯第二类错误的概率增加B 当样本数量增加的时候 犯第一类错误的概率增加，犯第二类错误的概率减小C 显著性水平a 的值越大， 对原假设的保护越强，越不容易拒绝原假设D 如果在 0.01 显著性水平下可以拒绝原假设那么在 0.05 显著性水平下同样可以拒绝原假设

步骤 1：理解第一类错误和第二类错误
第一类错误（α错误）：错误地拒绝了真实的零假设（即发生了假阳性）。
第二类错误（β错误）：错误地接受了虚假的零假设（即发生了假阴性）。
步骤 2：分析样本数量增加对两类错误的影响
样本数量增加时，犯第一类错误的概率（α）不会减小，因为显著性水平是固定的。犯第二类错误的概率（β）可能会减小，因为样本量增加通常会增加检验的统计功效，使得更容易检测到实际存在的效果。
步骤 3：分析显著性水平α对原假设的影响
显著性水平α的值越大，意味着我们更愿意冒险犯第一类错误，因此对原假设的保护越弱，更容易拒绝原假设。
步骤 4：分析显著性水平α对拒绝原假设的影响
如果在0.01显著性水平下可以拒绝原假设，那么在0.05显著性水平下同样可以拒绝原假设。这是因为0.01的显著性水平比0.05更严格，如果一个结果在更严格的标准下显著，那么它在更宽松的标准下也应该是显著的。