【面试】解释什么是假设和检验

面试模拟场景

面试官: 你能解释一下什么是假设和检验吗？

参考回答示例

1. 假设（Hypothesis）

定义：

• 假设 是一种关于总体参数的声明或猜测。假设可以是关于总体均值、方差、比例等参数的。假设通常分为两类：
  • 原假设（Null Hypothesis，$H_0$）： 原假设是一种被认为正确的假设，通常表示没有效果或没有差异。
  • 备择假设（Alternative Hypothesis，$H_1$）： 备择假设是与原假设相对立的假设，表示存在效果或差异。

例子：

• 例如，在药物测试中，原假设 $H_0$ 可以是“药物对治疗疾病没有效果”，而备择假设 $H_1$ 可以是“药物对治疗疾病有效”。

2. 检验（Test）

定义：

• 检验 是一种统计方法，用于评估样本数据是否为支持或反驳原假设提供了足够的证据。通过检验，我们可以决定是否拒绝原假设。检验通常包括以下几个步骤：
  1. 设定假设： 明确原假设 $H_0$ 和备择假设 $H_1$。
  2. 选择检验统计量： 根据问题的性质选择适当的统计量，例如 t统计量、z统计量或卡方统计量。
  3. 设定显著性水平（$\alpha$）： 通常选择 $\alpha =0.05$ 或 $\alpha =0.01$，表示我们有多大概率允许犯错。
  4. 计算p值或临界值： 使用样本数据计算出统计量的p值，或者与临界值比较。
  5. 做出决策： 根据p值或临界值决定是否拒绝原假设。如果p值小于显著性水平$\alpha$，我们拒绝原假设，否则我们不拒绝原假设。

例子：

• 在进行药物实验时，我们可能会使用t检验来判断新药和安慰剂组患者的平均恢复时间是否有显著差异。

3. 假设检验的概念

1. p值（p-value）：

• 定义： p值是指在原假设为真的前提下，观察到的样本数据或更极端数据出现的概率。p值越小，表示观察到的结果与原假设越不一致，因此我们更倾向于拒绝原假设。
• 解释： 如果p值小于我们设定的显著性水平（如0.05），我们拒绝原假设，认为数据提供了足够的证据支持备择假设。

2. 显著性水平（$\alpha$）：

• 定义： 显著性水平是我们预先设定的一个阈值，用于判断p值是否足够小，通常设定为0.05或0.01。它表示在假设检验中我们可以接受的犯第一类错误（拒绝原假设而实际上原假设为真）的概率。
• 解释： 如果p值小于显著性水平 $\alpha$，我们认为结果显著，拒绝原假设。

3. 第一类错误和第二类错误：

• 第一类错误（Type I Error）： 拒绝原假设而实际上原假设为真。
• 第二类错误（Type II Error）： 不拒绝原假设而实际上原假设为假。

4. 假设检验的应用

1. 医学研究：

• 假设检验常用于判断新药是否比现有药物更有效，或某种治疗方法是否有显著的疗效。

2. 工程和制造：

• 假设检验用于检测产品质量是否符合标准。例如，判断生产线上制造的零件是否符合规格。

3. 社会科学：

• 在社会科学研究中，假设检验用于验证社会行为、心理实验等的显著性，例如判断不同教育方法对学生成绩的影响。

5. 总结

• 假设： 假设是关于总体参数的声明，分为原假设和备择假设。原假设通常表示无差异或无效果，而备择假设表示有差异或有效果。
• 检验： 检验是通过样本数据对假设进行验证的过程。它涉及到选择统计量、设定显著性水平、计算p值，并根据结果做出是否拒绝原假设的决策。