统计学-Week10

一、假设检验

假设检验与之前提到的参数估计一样，是统计推断的两个组成部分，只是角度不同。参数估计是在总体参数μ未知的前提下用样本统计量进行估计的方法；而假设检验是先对总体参数μ提出一个假设，然后利用样本信息去检验这个假设是否成立。

同样的这里先提出几个概念：

原假设： 最先提出的假设参数，我们需要检验的对象，一般是一个精确值（a=1）。

备择假设： 与原假设互斥的参数，当我们拒绝原假设时的取值，一般是一个模糊的范围值（a≠1）。
备注：备择假设可以是单侧假设或双侧假设

单侧假设：
使用单侧备择假设（又称为定向假设）可以确定总体参数是否不同于特定方向上的假设值。您可以将方向指定为大于假设值或小于假设值。单侧检验的功效大于双侧检验，但是单侧检验无法检测总体参数在相反方向上是否不同

双侧假设：
使用双侧备择假设（又称为非定向假设）可以确定总体参数是大于还是小于假设值。双侧检验可以检测到总体参数在任一方向的不同，但其功效小于单侧检验

两类错误：

两类错误我们之前在分析体温那期曾经说过，这里再回顾一下
一类错误（α错误、弃真错误）：原假设实际上是正确的，但是我们做出决定是拒绝原假设
二类错误（β错误、取伪错误）：原假设实际上是错误的，但是我们却做出了接受原假设的决定

这两个错误是此消彼长的，当我们减少一类错误的同时也增加了二类错误的发生可能性，要根据两类错误的影响和危害程度来调整错误的发生几率。但是一般我们习惯先控制一类错误的原则，因为一般情况下我们的原假设都比较明确而备择假设比较模糊，那么就有了α发生概率，即显著性水平。

显著性水平： 即犯第一类错误的最大概率α，也是我们最大能承担的失误水平大小。

P值： 用于拒绝原假设，是指当原假设为真时样本观察结果或更极端的结果出现的概率，反应了观察到实数据与原假设之间不一致的概率。当确定了显著性水平α，在双侧检验中P>α/2 不能拒绝原假设，反之拒绝原假设；在单侧检验中，P>α不能拒绝原假设，反之拒绝原假设。

单侧检验、双侧检验：
一般检验中我们都有左右两个拒绝域、两个临界值，一种情况下需要全面考虑那就是双侧检验；在另一些情况下我们只关心一侧的问题方向那就是单侧检验。一种情况是我们只关心值越大越好，比如物品的使用寿命；一种是数值越小越好，比如废品率与成本等。

二、假设检验分类

假设检验的实施，假设检验的分类与参数估计类似：一个总体参数的检验、总体均值的检验、总体比例的检验、总体方差的检验；两个总体参数的检验、两个总体均值之差的检验，两个总体比例之差的检验，两个总体方差比的检验。

这些检验林林总总，都是需要采用不同的统计量分布，一般有：z统计量，t统计量，卡方统计量，F统计量。下面列出不同检验使用统计量的方法：

1.1 一个总体参数的假设检验

1.2 两个总体参数的假设检验