数学之路-数据分析进阶-区间估计与假设检验(1)

下面是某购物网站商品点击率符合正态分布，抽取其12天内的点击量样本，计算置信系数为0.95的置信区间。

> c(102,128,110,48,68,289,190,280,310,124,109,106)->hits
> t.test(hits)


        One Sample t-test


data:  hits
t = 5.9859, df = 11, p-value = 9.109e-05
alternative hypothesis: true mean is not equal to 0
95 percent confidence interval:
  98.21792 212.44875
sample estimates:
mean of x 
 155.3333 

在置信系数为0.95的情况下，该商品的每天的点击数量为98到212之间

本博客所有内容是原创，如果转载请注明来源

http://blog.csdn.net/myhaspl/

P值即概率，反映某一事件发生的可能性大小。统计学根据显著性检验方法所得到的P 值，一般以P < 0.05 为显著， P<0.01 为非常显著，其含义是样本间的差异由抽样误差所致的概率小于0.05 或0.01，P值说明某事件发生的机率。

假设检验的基本思想是小概率反证法思想。小概率思想是指小概率事件（P<0.01或P<0.05）在一次试验中基本上不会发生。反证法思想是先提出假设(检验假设H0)，再用适当的统计方法确定假设成立的可能性大小，如可能性小，则认为假设不成立，若可能性大，则还不能认为假设成立。

显著性检验