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 H0 :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 μ =1.2秒。第二个是备择假设 H1 :药物有效果, μ≠ 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 μx¯ 将等于总体均值1.2秒,抽样分布标准差 σx¯=σ100√≈S100√=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 μx¯ 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 H0 :药物对反应时间无效果, μ =1.2秒。备择假设<