AB实验学习

一、 显著性检验

显著性检验：检测科学实验中实验组与对照组之间是否有差异以及差异是否显著。

1. 有一个命题，称之为”零假设“（null hypothesis）H0；
2. 找到一个统计量T，可以计算T的统计分布；
3. 一次试验结果可以计算得到一个确切的T值（T0），在H0成立的情况下，出现比T0更极端情况的概率值记作p值；
4. 如果p很小，则可以作为”零假设并不成立“的有力证据

而“统计假设检验”可以看作是另一个体系，无假设不检验 。
事先对总体（随机变量）的参数或总体分布形式做出一个假设，然后利用样本信息来判断这个假设是否合理。

1. 原假设H0：通常是要检验的假设。
2. 备择假设H1：与H0相对应（相反）的假设。
3. 一类错误α：弃真错误 。
4. 二类错误β：取伪错误。

通常只限定犯第一类错误的最大概率α， 不考虑犯第二类错误的概率β，这样的假设检验称为显著性检验，概率α称为显著性水平。一般有α =0.05,0.025.0.01这三种情况。

在显著性水平α =0.05的情况下，p>0.05接受原假设，p值＜0.05拒绝原假设。

二、怎么做显著性检验？

显著性检验可以分为参数检验和非参数检验。参数检验要求样本来源于正态总体（服从正态分布），且这些正态总体拥有相同的方差，在这样的基本假定（正态性假定和方差齐性假定）下检验各总体均值是否相等，属于参数检验。
当数据不满足正态性和方差齐性假定时，参数检验可能会给出错误的答案，此时应采用基于秩的非参数检验。

参数检验中常见的方差分析：

方差分析主要分为：
①单因素一元方差分析；
②双因素一元方差分析 ；
③多因素一元方差分析；
④单因素多元方差分析 。
在统计假设检验中，把待检验的未知变量称之为“元”而把影响未知变量的行为（事件）称之为“因素”。

参考：https://www.cnblogs.com/hdu-zsk/p/6293721.html