ABtest依据：假设检验

相关名词：弃真错误、取伪错误 ，原假设、备择假设，双侧检验、左侧检验、右侧检验，统计量：Z统计量、T统计量，拒绝域、接受域，显著水平

背景：

        一般假设检验用在实际工作中是在做AB实验时，用于确定一个新的策略、产品是否优于之前，因为对比新旧策略不可能把所有的目标用户都计算一下相关指标，比较优劣。一般是进行抽样，保证各方面条件一致的情况下，二者差异的地方只有策略不同。

举个例子，我想要对比新旧策略A、B的效果，一般会有2种假设：

原假设：A < B ; 备择假设： A > B

通常会把希望的结果放在备择假设，即新策略优于旧策略，这是因为通过抽样数据来判断假设是否成立，可能会犯弃真错误（也叫第I类错误、错误，这个值也是显著性水平，在假设检验之前我们会规定这个概率的大小）或取伪错误（第II类错误、错误），弃真错误的概率会被限制，一般是0.05，此时错误的概率值是可控的，因此一般会把想要拒绝的假设放在原假设。

显著水平：是指当原假设实际上正确时，检验统计量落在拒绝域的概率，简单理解就是犯弃真错误的概率

检验方式：

检验方式分为两种：双侧检验和单侧检验，单侧检验又分为两种：左侧检验和右侧检验。

双侧检验：备择假设没有特定的方向性，形式为“≠”这种检验假设称为双侧检验。

单侧检验：备择假设带有特定的方向性 形式为">""<"的假设检验，称为单侧检验， "<"称为左侧检验， ">"称为右侧检验。

检验统计量：据以对原假设和备择假设作出决策的某个样本统计量，称为检验统计量。

拒绝域：由显著性水平围成的区域

拒绝域的功能主要用来判断假设检验是否拒绝原假设的。如果样本观测计算出来的检验统计量的具体数值落在拒绝域内，就拒绝原假设，否则不拒绝原假设。给定显著性水平α后，查表就可以得到具体临界值，将检验统计量与临界值进行比较，判断是否拒绝原假设。

 

 

 

假设检验步骤

• 提出原假设与备择假设
• 从所研究总体中出抽取一个随机样本
• 构造检验统计量
• 根据显著性水平确定拒绝域临界值
• 计算检验统计量与临界值进行比较

两种假设检验

假设检验根据业务数据分为两种：一个总体参数的假设检验和两个总体参数的假设检验

一个总体参数的假设检验时A>0.5这种，两个总体参数是A>B这种

统计量的选择

一般当样本量大于30时，称为大样本，根据中心极限定理，样本的分布趋于正态分布

 

 

参考资料：

假设检验——这一篇文章就够了 - 知乎