假设检验的理解

假设检验到底是怎么一回事？

定义：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。

????说人话

对结果进行假设，然后拿样本数据去验证这个假设。

做假设检验时会设置两个假设：

H0 弃真

H1  取伪

why??我不理解

假设现在有一批药需要测试疗效。

H0：这批药没效果

H1：这批药有效果

α=H0真时拒绝H0，拒真错误。对应到现实里是，拒绝没效果=有效果。我们认为一批药有效果以后将给病人吃，但其实这批药是没效果的，那病人吃了以后就死了呀，这个α对应的是人生命的风险，是消费者风险。

β=H0错时接受H0，取伪错误。接受无效，一批药明明有效确认为它无效。这个充其量就是药厂不会生产这种药，但还有什么阿司匹林，阿莫西林其他的药可以生产，威胁不到人的生命，是一种生产者风险。

生命高于金钱，所以在控制两类错误时，我们优先控制typeI error，一般都是规定好的0.05，然后想办法降低typeII error。

关于α和β，和第I和第II类错误的命名我觉得也是这样的，因为人们觉得第I类错误比第II类错误更加重要，而希腊字母里α也排的比β前，越重要的东西越放在前面。

第一类错误是指拒绝了实际上成立的、正确的假设。而犯这类错误的概率我们要控制，拒绝一个重要的，接受一个不重要的。当然我们认为第一种损害更大

显著性检验是假设检验中最常用的一种方法。

常用的假设检验方法有Z检验、t检验、卡方检验、F检验等 。

小概率思想是指小概率事件在一次试验中基本上不会发生。“小概率事件”的概率越小，否定原假设H0就越有说服力，常记这个概率值为α(0<α<1)，称为检验的显著性水平。对于不同的问题，检验的显著性水平α不一定相同，一般认为，事件发生的概率小于0.1、0.05或0.01等，即“小概率事件” 

当所设H0为总体参数等于某一定值，而H1为仅从一个方向上偏离此定值者，为单侧检验。以下是几种常见的单侧检验，注意与相应的双侧检验分辨。
1.检验两组的差异显著性时，只考虑A>B之意义，不考虑AB和A<B两种可能性者，为双侧检验。例如，某新药与一同类的常用药之疗效比较，一般应用双侧检验；而含甲药之某复方与单纯甲药之疗效比较，则可以采用单侧检验。
2.检验差值均数的显著性时，只考虑正值的意义，不考虑负值之可能性者，为单侧检验(若上述正值和负值之设置相反，亦为单侧检验)；同时考虑包含正值和负值两个方面的可能性者，为双侧检验。例如，试验某药是否有降血脂作用，一般应取双侧检验；而对伤口之愈合试用某辅助疗法时，由于即使不采用任何治疗方法伤口亦大多可自愈，故具备了选用单侧检验的条件。
3.检验相关的显著性时，只考虑正相关的意义，不考虑负相关的可能性者，为单侧检验(若上述正相关和负相关之设置相反，亦为单侧检验)；同时考虑正相关和负相关两个可能性者，为双侧检验。回归亦然。例如，两种试剂同时应用时可能有交互作用，但不明确作用之正负，即产生协同作用抑拮抗作用，一般应采用双侧检验；如果有理由只考虑其中之一(设为协同作用)而不必考虑另一作用(为拮抗作用)出现之可能性时，可以选用单侧检验。
4.为检验多个实验组与一个对照组之差异而进行多重比较时，只考虑在一个方向上的差异，不考虑在另一方向上出现差异之可能性者，为单侧检验；同时考虑包含两个相反方向上差异之可能性者，为双侧检验。例如，3个实验组T1、T2、T3与同一个对照组C比较的4组设计中，无疑H0：T1=C，T2=C，T3=C；然而H1却有以下两种状态：
单侧检验T1>C，T2>C，T3>C(出现其中1个或2个或全部)；
双侧检验T1≠C，T2≠C，T3≠C(出现其中1个或2个或全部)。
上述单侧检验的T1也可以是T1<C，T2<C，T3<C。
对于大多数假设检验方法，实际应用时都要依据资料之性质及样本之特征注意辨识是否适宜采用单侧检验；如不适宜，则采用双侧检验。
 

more details :链接：https://pan.baidu.com/s/1uJeg2UR2TUazmRIXSC-hKQ 
提取码：lyg3