统计学基础知识点刷题（task3）

参考视频：可汗学院《统计学》
参考书籍：《深入浅出统计学》

概念1:假设检验

1. 典型场景：验证某种新措施对问题是否有改善效果。
2. 主要要素

• 原假设$H_0$，又称为零假设。
• 备择假设$H_1$或$H_a$。

注意:原假设和备择假设的构造是有学问的,要始终牢记——假设检验倾向于保守的原则，即原假设是保守的假设。
例子：一种新药即将上市，药监部门要检验其是否具有功效。那么在这一情境中比较保守的假设就是——这种新药功效没有达标，不能上市（应当作为原假设），而激进的假设就是这种新药功效达标，可以上市（应当作为备择假设）。

3. 作用原理
   （1）构造原假设和备择假设
   （2）构建统计量
   举例：$$Z=\frac{|\overline{X}-\mu |}{\sigma /\sqrt{n}}$$
   （3）判断是否拒绝原假设：p值法和临界值法

• p值法
  通过Z分数（也可能是其他统计量，如t分布，F分布等）找到处于拒绝域的概率（即p值），如果p值小于显著水平，说明很显著，有理由拒绝原假设接受备择假设，否则没有理由拒绝原假设（注意：但是也并非一定是接受原假设）。
• 临界值法
  根据显著水平确定拒绝域的区间端点，然后与Z分数（或其它统计量）比较。若Z分数处于该区间外面，则说明比较显著，有理由拒绝原假设接受备择假设；否则没有理由拒绝原假设（注意：但是也不一定是接受原假设）。

上述两种方法殊途同归，关键是思维的正向与逆向区别。

概念2:单侧检验和双侧检验

参考文献：统计基础之假设检验

1. 单侧检验
   例如：$$H_0:\mu \le 1.2H_1:\mu >1.2$$

注意:单侧检验又分为下侧检验（备择假设为$<$）与上侧检验（备择假设为$>$），二者的区别在于当计算出的统计量为负数的情况下，查表需要进行相应的变换，比如：对于如果Z分数为-2，则查表时对应的p值应该是：$$p=1-\varphi (2)=0.0228$$
因为p<0.05，所以结果显著，处于拒绝域，应当接受备择假设。

2. 双侧检验
   例如：$$H_0:\mu ̸=1.2H_1:\mu =1.2$$

注意:此时，采用p值法求p值时需要将根据Z分数查表求得的概率乘以2再与显著性水平比较，采用临界值法计算区间端点时需要将显著性水平除以2再查表。比如采用临界值法时，假设显著性水平为0.05，则：$$Z_{\frac{\alpha }{2}}=1.96$$表示区间端点在距离样本均值1.96倍标准差的地方，如果构造的统计量Z值>1.96，则表示处于拒绝域中。

概念3:Z-统计量和t-统计量

此前我们举例时基本都是假设总体方差已知且样本数量足够大（通常是n>30），服从正态分布，实际上在小样本以及总体方差未知时样本均值的抽样分布都是服从t-分布。

1. Z-统计量
   $$Z=\sigma /\sqrt{n}$$