文章目录
前言
以下多为《概率论与数理统计》已学内容,注意复习多种分布的特点、概率密度函数和假设的理解。
一、假设检验
- 原假设(H0):通常是需要检验的假设,即假设没有差异、没有关联或没有效果。
- 备择假设(H1):与原假设相反的假设,即假设存在差异、有关联或有效果
二、假设检验步骤
1.确定原假设和备择假设
原假设(H0)与备择假设(H1)刚好是相反的两面,比如原假设是”我这个月的体重是九十斤”,则备择假设为“不是九十斤”,也就是“大于九十斤或者小于九十斤”(双侧检验)【也有单侧检验“体重有没有显著大于90斤”】。
2.在原假设H0成立条件下,根据我们要检验的量来构造一个分布
(1)标准正态分布:用于比较样本均值与已知总体均值的差异,或比较两个比例的差异,适用于大样本数
(2)T分布:用于比较两组数据的均值差异,适用于小样本数据。
(3)F分布:用于比较两个总体的方差差异,或用于方差分析(ANOVA)中。
(4)分布:用于比较观察频数与期望频数的差异,常用于检验分类数据的独立性或拟合优度。
3.画出统计分布的概率密度图
4.给一个置信水平 / 显著性水平
置信水平:相信H0成立的概率,。一般而言取90%,95%,99%
显著性水平(α)是拒绝原假设的临界值,也即犯第一次错误的概率,通常设为0.1,0.05或0.01。
5.计算检验统计量的值:
使用样本数据计算所选统计量的值。
6.做出决策:
比较计算出的统计量值与临界值,以决定是接受还是拒绝原假设。
7.解释结果:
根据决策解释假设检验的结果,并讨论其实际意义。