目录
一、为什么要使用假设性检验?
假设检验是一个工具,能够穿越复杂的现象,得到一个靠谱的结论。
比如去医院检查身体,医生会先假设这个人没有病,然后通过一系列检查,看看能不能找到患者的症状。
二、假设检验基础原理与使用条件
1、概率分布是假设检验的基础:对于很多复杂的随机事件,需要把随机事件的概率分布图拿出来,并根据在图中位置确定P值的大小。只有这样,才能和显著性水平比较,才能判断H0能不能被推翻。假设检验是基于概率的反证法,而要用概率的反证法,就要用到概率分布。
2、假设检验的原理:是如果能够证明一个结论发生的概率特别小,我们就可以推翻这个结论,接受和它相反的结论,这个推论的过程就叫“假设检验”。
3、适用条件:
1)独立性:各观察值间相互独立,不能相互影响
2)正态性:理论上要求样本取自正态总体
3)方差齐性:两样本所对应的总体方差相等
三、怎么使用?
3.1 假设检验的步骤
1、H0(零假设)和H1(备择假设)
这是一对假设,只要互相对立就行,一般情况H0是会被拒绝的假设。
2、计算P值
就是在H0这个假设下,当前现象以及更加极端现象出现的概率。如果P值特别大,我们就不能推翻H0这个假设,更不能去相信H1;而如果P值特别小,就可以认为H0几乎不可能发生,转而去相信H1。
p值得计算中,有单侧和双侧两种
双侧检验:不知道样本所在总体和假定总体的相应指标谁高谁低。得到拒绝结论更困难,因此相应的结果也更稳妥。
单侧检验:在专业上可知所在总体的相应指标不可能更高/更低于假定总体值。
3、确认显著性水平
就是是否推翻H0的边界,一般使用5%,即只要P值小于5%,就推翻H0,相信H1;如果P值大于5%,就没有办法推翻H0。
3.2 常见的统计量
1、z统计量:
2、t 统计量
3、卡方统计量
4、F统计量