假设检验用于判断样本与总体间是否存在显著差异。本文介绍了原假设、备择假设、两类错误（α错误和β错误）、显著性水平α和P值的概念，并探讨了单侧和双侧检验的选择。在样本量确定的情况下，降低α意味着增大β，一般通过控制α并增加样本量来减小错误率。显著性水平α通常设定为0.05或0.01，P值则衡量原假设为真时观察结果出现的概率，小P值表示结果更显著。单侧检验关注特定方向的差异，而双侧检验则关注任何方向的显著差异。
假设检验又称统计假设检验，是用来判断样本与样本、样本与总体的差异是由抽样误差引起还是本质差别造成的统计推断方法。显著性检验是假设检验中最常用的一种方法，也是一种最基本的统计推断形式，其基本原理是先对总体的特征做出某种假设，然后通过抽样研究的统计推理，对此假设应该被拒绝还是接受做出推断。常用的假设检验方法有Z检验、t检验、卡方检验、F检验等。
例子：有统计资料得知，1989年某地新生儿的平均体重为3190克，现在从1990年的新生儿中随机抽取100个，测得其平均体重为3210克，问1990年的新生儿与1989年相比，体重有无明显差异？
原假设
统计的语言是用一个等式或不等式表示问题的原假设。在新生儿体重这个例子中，原假设采用等式的方式，即
H 0 : μ = 3190 （ 克 ） H_0:\mu=3190（克） H
最低0.47元/天 解锁文章
6210
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
