统计推断—假设检验（hypothesis testing）

一、假设检验概念

假设检验是依据样本提供的有限信息对总体作出推断的统计学方法，是在对研究总体两个对立的假设之间作抉择的过程。

假设检验的核心是判断差异(总体参数和样本参数之间的差异、或者两样本参数之间的差异)是否足以通过抽样的随机性（即抽样误差）来解释。

假设检验依据的基本原理是“小概率原理”，即发生概率很小的随机事件在一次试验中是几乎不可能发生的，依据这个原理，可以做出是否拒绝原假设的决定。

二、假设检验的步骤

例1  某市抽取400名小学生进行视力干预方法研究，干预组和对照组各200人。研究前首先作基线调查，发现干预组屈光度的均数为­0.34D，标准差为0.12D；对照组屈光度的均数为­0.57D，标准差为0.36D。试问在基线时，干预组和对照组屈光度的总体均数有无差别？

解析：样本均数分别为-0.34D和 -0.57D ，造成这种差别的原因可能有两种：

(1)两总体均数相等 -- 样本均数不同，乃抽样误差 

(2)两总体均数不相等 -- 样本均数不同，并非抽样误差 

所以，我们需要验证样本均数不同是否是抽样误差导致的（需进行假设检验）

1、建立检验假设：

(1)零假设（null hypothesis），又称原假设，记为：，干预组小学生和对照组小学生屈光度的总体均数相等。

(2)对立假设 (alternative hypothesis), 又称备择假设,记为：，干预组小学生和对照组小学生屈光度的总体均数不等。

2、确定检验水准：

，要尽量小，小到我们可以不在乎，通常去0.05或者是0.01

3、选择检验统计量：

分子：样本均数之差 

分母：样本均数之差的标准差；两个样本均数之差的方差等于两个样本方差之和，相关定理可查看《统计学基础——两个样本均值（频率）之差的分布》。

：样本均数的差别（以其标准差为单位）

4、利用样本数据计算统计量的数值：

5、确定Ρ 值，做出推断

值：的当前值之外的尾部面积（决策原则： 成立时, 若当前情形是不太可能（值太小）发生的，则拒绝 ）。 

值的意义：在承认零假设成立的条件下，然后搜集证据推翻（拒绝）零假设，如果证据不足，则无法推翻零假设，即接受对立假设，出现“统计量当前值及更不利于零假设的数值”的概率为，详细的解释请查看《统计推断——假设检验中 p 值的含义具体是什么？》。

        规定一个“小”的概率 ，称检验水准（size of a test）。

        如果，表明“不大可能”犯假阳性错误 

        如果，表明“颇有可能”犯假阳性错误 

本例, =8.57, 查标准正态分布表, 得到 <0.001。

规定=0.05 为“小”， <, 拒绝，我们说“样本均数的差异具有统计学意义” 。

可认为干预组和对照组小学生屈光度的总体均数不同。

三、假设检验和区间估计的联系

方法一：假设检验

方法二：区间估计