【数据挖掘知识点六】假设检验

假设检验

假设检验，事先对总体的参数或总体分布形式作出一个假设，然后利用抽取的样本信息去判断这个假设（原假设）是否合理，即判断总体的真实情况与原假设是否存在显著的系统性差异，故此也称为显著性检验。一个完整的假设检验过程，包括以下几个步骤：

1）提出假设；

2）构造适当的检验统计量，并根据样本计算统计量的具体数值；

3）规定显著性水平，建立检验规则；

4）作出判断。

各步骤的内容如下：

1、原假设和备择假设

首先对总体参数或分布形式提出假设，提出的假设有两个：一个称为原假设或零假设，另一个称为备择假设或对立假设。原假设一般用H₀表示，通常设定总体参数等于某值，或服从某个分布函数等；备择假设是与原假设互相排斥的假设，原假设与备择假设不可能同时成立。假设检验问题，实质上就是判断H₀是否正确，若决绝原假设H₀，则意味着接受备择假设H₁。

2、检验统计量

在给出假设的基础上，可构造检验统计量。检验统计量，是根据所抽取的样本计算的用于检验原假设是否成立的随机变量。检验统计量中应当含有所要检验的总体参数，以便在“总体参数等于某数值”的假定下研究样本统计量的观测结果。检验统计量还应该在“H₀成立”的前提下有已知的分布，从而便于计算出某种特定的观测结果的概率。

3、显著性水平

样本统计量的观测值计算出来之后，利用概率论中的“小概率原理”对原假设是否成立做出判断。

在假设检验中