假设检验
原假设
H0
对立假设
H1
简单假设:假设为一个值
复合假设:没有确定值,假设变量在一个范围内
可能原假设正确, 然后拒绝 为I类错误
可能原假设错误, 没有拒绝 为II类错误
范 I类错误的概率定义为 显著性水平
α
一般取0.05
犯II类错误的概率定义为置信系数
1−β
(
β
为和
α
呈正相关的一个系数,原来错了 感谢LUC的指正!)
下面的图形象地表现了这之间的关系
置信区间:参数如
μ
(注意 不是参数估计值)在
1−α
的时间里落入该区间,就是说拒绝的时候其实是 我们的估计值偏离了参数的最常见出现范围,那么就是 显著性水平
α
越大,我们的这个常见范围划得越小,我们就越容易拒绝原假设,即犯I类错误的概率变大。
例子 正态分布
有
那么 我们有置信水平 1−α
就是
代入Z的表达式,可以化为
然后查表查的a 带进去算出来就是置信水平为 1−α 置信区间
注意: 这里是方差已知的情况, 方差未知则要用T分布检验,自由度为n-1
T分布 标准正态/
χ2
所构造
所以 拒绝域 接受域 和临界值的定义就很简单了
然后注意单尾检验的置信区间,只有一侧,所以a的取值不是 α/2 和 1−α/2 而是1- α 或者 α 时的值
检验还有一个办法 求出 Z=X¯−μ0σ2/n√ 时的值,然后跟表比较一下就可以了