统计学6

假设检验
统计推断的基本问题可以分为两大类，一类是参数估计问题，另一类是假设检验问题。

精神学家用老鼠测试一种药物的反应时间的效果，已知没有注射药物的老鼠平均反应时间是1.2秒，100只注射了药物的老鼠平均反应时间是1.05秒，样本标准差是0.5秒，你认为药物对反应时间有效果吗？

这里需要建立两个假设，第一个假设是零假设$H_{0}$：药物对反应时间无效果，也就是注射了药物的老鼠平均反应时间$\mu$=1.2秒。第二个是备择假设$H_{1}$：药物有效果，$\mu \neq$1.2秒。假设零假设是正确的，我们得到这个样本（均值1.05，标准差0.5）的概率是多少，如果该概率非常非常小，就可以认为零假设不对，拒绝零假设，选择备择假设。

首先考虑抽样分布，是一个正态分布。假设零假设是正确的，则抽样分布的均值$\mu_{\bar{x}}$将等于总体均值1.2秒，抽样分布标准差$\sigma_{\bar{x}}=\frac{\sigma}{\sqrt{100}} \approx \frac{S}{\sqrt{100}} =0.05$。
再想得到1.05秒的概率是多少或者说1.05秒离抽样分布均值$\mu_{\bar{x}}$有多少个标准差远，z=(1.2-1.05)/0.05=3。
得到距离抽样分布均值有3个标准差远甚至更远的极端情况，概率有多少，1-99.7%=0.3%。
假设零假设是正确的，得到的这种极端情况的概率只有0.3%，因此虽然不是100%确信，也选择备择假设。

很多论文中，得到零假设中这种极端情况的概率称作p值。在这里p值是0.003。p值非常非常小，所以拒绝零假设。通常人们会制定一个门槛，比如门槛设在5%，如果p值小于5%，就拒绝假设。

单侧检验和双侧检验
零假设表示用药前后没有区别，备择假设说明用药有效，不管是增加还是减少反应时间都认为有效，这称作双侧检验。就算很高的反应时间，比如超过3个标准差的响应时间，也会导致拒绝零假设。

类似地，可以进行一个单侧检验。零假设$H_{0}$：药物对反应时间无效果，$\mu$=1.2秒。备择假设<