统计学知识梳理--NO..3

最新推荐文章于 2022-05-08 23:38:06 发布

IceForest1

最新推荐文章于 2022-05-08 23:38:06 发布

阅读量765

点赞数

分类专栏：统计学

本文链接：https://blog.csdn.net/ooxxshaso/article/details/88090841

版权

统计学专栏收录该内容

10 篇文章 9 订阅

订阅专栏

本次学习涵盖知识点：假设检验

本次学习参考内容：

1.可汗学院统计学公开课 47-61集

2.《深入浅出统计学》对应知识点翻一翻

知识点清单

1.假设检验

假设检验的定义：通常设定两个假设，零假设备择假设，然后通过拒绝零假设，来接受备择假设，从而完成检验。通常假设零假设是正确的，如果零假设正确，得到这个样本的概率是多少，如果这个概率非常小，我们就认为零假设不正确，于是拒绝零假设，而认为备择假设是正确的。

例子：假设某一药物的有效时间是1.2s，现在对这种药物做出了一些改变，抽取100个改变后的药物样本，测得其均值为1.05s，标准差为0.5s，让你判断药物改变后的有效时间是否改变。

解答：我们想证明药物改进后的有效时间是改变的，所以我们设零假设 $H_{0}$ ：药物改变后有效时间没有改变，u=1.2s,备择假设 $H_{1}$ ：药物改变后有效时间改变了，即 $u\neq 1.2s$ 。如果零假设正确，则抽烟分布的均值 $u_{\bar{x}}=u=1.2s$ ,抽样分布的标准差 $\sigma _{\bar{x}}=\frac{\sigma }{\sqrt{n}}=\frac{0.5}{\sqrt{100}}=0.05$ 。在n足够大的情况下，用样本标准差代替总体标准差，得到了抽样分布的样本均值和标准差，计算得到1.05s的概率有多少， $Z=\frac{1.0-1.05}{0.050}=3$ ,Z分数是3，在均值3个标准差之外的概率是极小的，3个标准差内的概率是99.7%，所以拒绝 $H_{0}$ ，接受了备择假设，得到零假设这种极端情况的概率称作p值。通常认为p $\leq$ 5%,就拒绝假设。

2.单侧检验和双侧检验

单侧检验就是只看抽样分布一侧的情况。双侧检验是两边都看，比如上面的药物效果是否变化，只要与原均值不同都认为效果改变，而不论它是增加还是减少有效时间，而单侧检验就是， $H_{0}$ ：药物无效，u=1.2s, $H_{1}：$ ：药物有效降低有效时间，u<1.2s,这样就是一个单侧检验。

3.Z统计量和t统计量

当样本容量很小时，样本均值抽样分布不应该采用正态分布，而应采用t分布。Z统计量服从正态分布，而t统计量服从t分布，样本容量30为界限。

$Z=\frac{\bar{x}-u_{\bar{x}}}{\sigma_{\bar{x}} }$ ， $\bar{x}\rightarrow$ 样本均值， $u_{\bar{x}}\rightarrow$ 抽样分布的样本均值， $\delta_{\bar{x}}\rightarrow$ 抽样分布的标准差， $\delta_{\bar{x}}=\frac{\delta}{\sqrt{n}}$ , $\delta$ 为总体标准差，n是样本容量， $n\geq 30时，样本标准差是很好的总体标准差的估计值$ 时，样本标准差是很好的总体标准差的估计值。