假设检验时,若结果为P>α,犯错误概率最小的检验水准α为A. 0.01B. 0.025C. 0.05D. 0.10E. 0.20

步骤 1：理解假设检验的含义
假设检验是一种统计方法，用于判断样本数据是否支持某个关于总体的假设。在假设检验中，我们设定一个原假设（H0）和一个备择假设（H1），然后根据样本数据计算出一个P值，用来判断是否拒绝原假设。

步骤 2：理解P值和α值的关系
P值是当原假设为真时，观察到的样本数据或更极端数据出现的概率。α值是事先设定的显著性水平，用来决定是否拒绝原假设。如果P值小于α值，我们拒绝原假设；如果P值大于α值，我们不拒绝原假设。

步骤 3：分析P>α时的犯错误概率
当P>α时，我们不拒绝原假设。此时，犯错误的概率是第二类错误的概率，即当原假设为假时，我们错误地接受了原假设的概率。犯错误的概率与α值无关，而是与样本量、效应大小和检验统计量的分布有关。因此，犯错误概率最小的检验水准α为最大值，即0.20。