统计学学习周-Datawhale

任务 3
【任务内容】
学习内容1 47-53集 假设检验（一）
学习内容2 54-61集 假设检验（二）
[第47集] 假设检验和p值 [第48集] 单侧检验和双侧检验
举例：药物效果检验（双侧检验：a two-tailed test.）

假设检验的主要思想是小概率反证法，在假设的前提下，估算某事件发生的可能性，如果所得结果为极小概率事件，这时候就可以推翻之前的假设，接受备择假设。如果该事件不是小概率事件，我们就找不到理由来推翻之前的假设，即接受所做的无效假设。它是以假设为前提的。
假设检验与区间估计都是根据样本信息推断总体分布。两者可以相互装转换唯一的区别是参数知不知道的问题。
P值（P-value）主要是用来判断不同样本之间的差异是由抽样误差引起的还是总体不同引起的。在零假设条件下得到的概率称为P值。计算P值方法为：1 确定样本均值与均值标准差，注意样本均值标准差为，选择样本方差作为总体方差的估计；2 求Z分数（T分数），查Z表（T表）；3 确定概率值即P值。
注意：双侧检验是检验样本平均数和总体平均数有无明显差异，不管差异方向，如：视频小白鼠对药物的反应时间是正向还是反向不管，只管是否有作用；而单侧检验是考虑方向性的，即是正向作用还是反向作用。
[第49集] z统计量 vs t统计量
样本容量n>=30,使用Z-statistic；样本容量n<30,使用T-statistic

[第50集] 第一型错误 (Type-1 Error)
延续上例：拒绝零假设有0.5%的几率犯第一型错误，因为零假设仍然有0.5%的几率确实成立，所以拒绝它可能是个错误， 犯错概率是0.5% 这就是第一型错误。在假设检验中，接受或者拒绝H0，都有概率犯错误。
[第51集] 小样本假设检验 [第52集] t统计量置信区间
举例小样本值检验使用t分布
[第53集] 大样本占比假设检验 举例总体为伯努利分布，其均值miu即p值
学习内容 2
54-61集 假设检验（二）
[第54集] 随机变量之差的方差
主要讲了一些推论，例如：独立变量的和差的期望等于各独立变量期望之和。
随机变量X，Y，Z，X,Y相互独立，Z=X-Y，则Var（Z）=Var（X）+Var（Y）
[第55集] 样本均值之差的分布
[第56集] 均值之差的置信区间 [第57集] 均值之差置信区间的澄清
两个随机变量均值之差也可求出置信区间
[第58集] 均值之差的假设检验
例：新旧减肥方法实验背景，分别求miu,sigma^2,判断新方法是否有效
[第59集] 总体占比的比较1 [第60集] 总体占比的比较2 [第61集] 总体占比比较的假设检验
p1，P2之间是否有差值；置信区间；假设检验