【数据攻略】 假设检验 | 统计功效 | 最小样本量

转载：概率论系列考点 — 统计功效 | 最小样本量

统计功效及最小样本量是假设检验的 进阶知识点 

也是AB实验中非常常用的两个基本概念

因此，是各大厂面试官考察应聘者对假设检验的 真实 掌握情况

考点举例：

▶ 第一类错误的定义？

▶ 统计功效的定义，以及应用场景？

▶ 统计功效较低的影响是什么？

▶ 最小样本量计算公式是什么？

▶ 计算最小样本量的业务指导意义？

以下文章涉及相关推导，有些同学可能看着吃力些 

不要担心

只要了解 假设检验 | 统计功效 | 最小样本量的 定义 、公式结果 及 应用场景 即可应对大部分的笔面试题！

一、假设检验

假设检验作为AB实验最基础的知识点。

我们必须熟记第一类错误和第二类错误的定义，以及检验统计量相关的前提条件。

原假设 | 备择假设

• 原假设，用H0表示，通常将不应轻易加以否定的假设作为原假设。

• 备择假设，用H1表示，当H0被拒绝时而接收的假设。

第一/二类错误

• H0为真但由于随机性