1.6模型的比较和检验

在选择合适的评估方法和相应的性能度量时，计算出性能度量后直接进行比较，会存在以下问题：

• 模型评估得到的是测试集上的性能，并非严格意义上的泛化性能，两者并不完全相同
• 测试集上的性能与样本选取关系很大，不同的划分，测试结果会不同，比较缺乏稳定性
• 很多模型本身有随机性，即使参数和数据集相同，其运行结果也可能存在差异

上述问题按照统计学的知识描述为：已知两个模型 f1和f2 ，两者的泛化性能在测试集上的表现不同， f1好于f2 ，请检验在统计意义上 f1 是否好于 f2 ？这个把握有多大？

用掷硬币问题描述上述问题：

统计学家Fisher先生和一位女士玩掷硬币猜正反面的游戏。女士号称每次都能掷出正面，Fisher先生根据自己的知识认为不可能。然而女士拿出一枚准备好的硬币开始投掷后，果然连续n次的结果都是正面。Fisher先生觉得有两种可能，第一，这位女士运气非常好，能连续掷出正面；第二，硬币被做过手脚，无论谁掷都有很大的可能得到正面。到底是哪种原因呢？

在假设硬币没问题的情况下，投掷结果符合p=0.5的二项式分布：

第1次投掷，连续1次出现正面的概率为b(1；1,0.5)=0.5
第2次投掷，连续2次出现正面的概率为b(2；2,0.5)=0.25
第3次投掷，连续3次出现正面的概率为b(3；3,0.5)=0.125
第4次投掷，连续4次出现正面的概率为b(4；4,0.5)=0.0625
第5次投掷，连续5次出现正面的概率为b(5；5,0.5)=0.03125
第10次投掷，连续10次出现正面的概率为b(10；10,0.5)=0.000977
如果一个事件发生的概率为5%，我们通常认为它是小概率事件
5%就是假设检验的P值，实际工作中看业务需求，有时候可能会取1%，甚至更小的数值

统计假设检验（Hypothesis Test）：事先对总体的参数或者分布做一个假设，然后基于已有
的样本数据去判断这个假设是否合理。即样本和总体假设之间的不同是纯属机会变异（因为
随机性误差导致的不同），还是两者确实不同。

常用的假设检验方法：

• t-检验法
• X2检验法（卡方检验）
• F-检验法
• ……

基本思想：

• 从样本推断整体
• 通过反正法推断假设是否成立
• 小概率事件在一次试验中基本不会发生
• 不轻易拒绝原假设
• 通过显著性水平定义小概率事件不可能发生的概率
• 全称命题只能被否定而不能被证明

假设检验步骤：

1.建立假设
根据具体的问题，建立假设：
原假设（Null Hypothesis）：搜集证据希望推翻的假设，记作$H_0$（假设硬币没有问题）
备择假设（Alternative Hypothesis）：搜集证据予以支持的假设，记作$H_1$（假设硬币有问题）
假设的形式：

• 双尾检验：不等于、有差异
  
• 左侧单尾检验：降低、减少
  
• 右侧单尾检验：提高，增加
  

只有小概率事件发生了，才拒接原假设，检验过程保护原假设

2.确定检验水准
检验水准（Size of a Test）：又称显著性水平（Significance Level)，记作α，是指原假设正确，但是最终被拒绝的概率。
在做检验的过程中，会犯两种错误：

• 原假设为真，被拒绝，称作第一类错误，其概率记作α，即为显著性水平，取值通常为0.05、0.025、0.01等
• 原假设为假，被接受，称作第二类惜误，其概率记作β，即为检验功效（power of a test)

显著水平α=0.05的意思是：在原假设正确的情况下进行100次抽样，有5次错误的拒绝了原假设。

3.构造统计量
构造统计量：根据资料类型、研究设计方案和统计推断的目的，选用适当检验方法和计算相应的统计量
常见检验方法：

• t检验：小样本（<30），总体标准差σ未知的正态分布
• F检验：即方差分析，检验两个正态随机变量的总体方差是否相等的一种假设检验方法
• Z检验：大样本（>=30）平均值差异性检测，又称u检验
• X2检验：即卡方检验，用于非参数检验，主要是比较两个及两个以上样本率以及两个分类变量的关联性分析

4.计算p值
关于p值：

• 用来判定假设检验结果的参数，和显著性水平α相比
• 在原假设为真的前提下出现观察样本以及更极端情况的概率
• 如果P值很小，说明原假设出现的概率很小，应该拒绝，P值越小，拒绝原假设的理由越充足

计算p值：假设原假设为真，可由样本数据计算出统计量，根据统计量的具体分布求出P值

5.得到结论
如果P值小于等于显著水平α，表明x小概率事件发生，拒绝原假设
统计量的值如果落在拒绝域内或者临界值，则拒绝原假设，落在接受域则不能拒绝原假设

例1：二项式检验

例2：T检验

假设检验在模型比较中的应用

以一元线性回归为例，可以使用假设检验作如下比较和推断：

• 回归系数的显著性检验：$y=\beta 0+\beta 1x$
  • 检验自变量对因变量Y的影响程度是否显著
  • 假设误差 ε 满足均值为0的正态分布，原假设：$H0:β1=0 $备择假设：$H1:β1≠0$
  • 使用T检验，如果原假设成立，则x和y并无线性关系
• 回归方程的显著性检验：$y=\beta 0+\beta 1x$
  • 根据平方和分解式从回归效果检验回归方程的显著性
  • 原假设：$H0:β1=0 $备择假设：$H1:β1≠0$
  • 使用F检验，如果原假设成立，则说明回归方程不显著，该方程并无实质意义
• 相关系数的显著性检验
  • 检验两变量之间是否真正相关，或两个相关系数之间的差异是否显著
  • 原假设：$H0:P=0 $备择假设：$H1:P≠0$