这篇博客详细介绍了假设检验的基本概念，包括假设的表达式、两类错误、假设检验流程以及P值在决策中的应用。同时，讲解了单侧检验的类型，并深入探讨了一总体参数（如均值、比例、方差）和两总体参数（如均值差、比例差、方差比）的检验方法。内容涵盖了统计量的确定、小概率原理和如何利用统计决策来判断假设的成立与否。
参数估计：是用样本统计量估计总体参数的方法，总体参数μ在估计前是未知的
假设检验：先对 μ 的值提出一个假设，然后利用样本信息去检验这个假设是否成立
1 假设检验的基本问题
1 假设的表达式
原假设H0 备选假设H1
2 两类错误
第一类错误：原假设为真却被拒绝，犯这种错误的概率用α表示，所以也称α错误或弃真错误
第二类错误：原假设为伪却没有拒绝，犯这种错误的概率用β表示，也称β错误或取伪错误
对于一定的样本量n，不能同时做到犯这两类错误的概率都很小。如果减小α错误，就会增大犯β错误的机会。如果想同时减小两者的概率，则只能增大样本量。
3 假设检验的流程
(1) 提出原假设和备选假设
(2) 确定适当的检验统计量，并计算其数值
进行假设检验利用的是小概率原理，小概率原理是指发生概率很小的随机事件在一次试验中是几乎不可能发生的。
(3) 统计决策
4 利用P值进行决策
上述方法根据统计量落入的区域做出是否拒绝原假设的决策。
P值是当原假设为真时所得到的样本观察结果或更极端结果出现的概率，如果P值很小，说明这种情况发生的概率很小，而如果出现了，根据小概率原理，即可拒绝原假设，P值原小，拒绝原假设的理由越充分。
5 单侧检验
(1) 左单侧检验
最低0.47元/天 解锁文章
951
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
