假设检验_科学统计做决策―浅析统计方法假设检验

在日常统计工作或者质量管理活动中，我们经常遇到两者进行比较的情况。无论只是实验还是统计抽样，我们都想知道两者是否相同或存在某种对比情况。在这种情况下，我们可以采用统计方法――假设检验，它可以告诉我们两者是否相等，同时也可以告诉我们，在做出这样的结论时，所承担的风险。

在自然界生物现象个体差异是客观存在的，我们不可能对每个个体进行分析，大部分情况下只能抽样，用样本来代替整体进行分析，其误差不可避免。当样本均值与总体均值有差别时，在此种情况就要区分误差是由抽样产生还是其它因素不同造成的影响。而假设检验的目的就是排除抽样误差的影响，区分差别在统计上是否成立，并了解事件发生的概率。

假设检验(Hypothesis Testing) 又称统计假设检验，是数理统计学中根据一定假设条件由样本推断总体，来判断样本与样本，样本与总体的差异是由抽样误差引起还是本质差别造成的统计推断方法。其基本原理是先对总体的特征作出某种假设，然后通过抽样研究的统计推理，对此假设应该被拒绝还是接受作出推断。

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在一次试验中基本上不会发生。至于怎样才算是“小概率”呢？通常可将概率不超过0.05的事件称为“小概率事件”，也可视具体情形而取0.1或0.01等。反证法思想是先提出假设，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，则还不能认为假设不成立。

在假设检验中通常有两个假设命题即原假设和备择假设：

原假设又称零假设，指进行统计检验时预先建立的假设，其内容一般是希望被证明为错误的假设或者是需要着重考虑的假设。

备择假设又称对立假设。备择假设与原假设是依赖于假设检验而存在的，备择假设处于原假设的对立面，故又称为对立假设。

原假设的设立原则如下：

1)往往把有把握的、不能轻易被否定的命题作为原假设H0，而把无把握的、不能轻易肯定的命题作为备择假设H1；

2)当我们的目的是希望取得对某一陈述强有力的支持时，把这一陈述的对立面作为原假设；

3)尽量使后果严重的错误成为第一类错误。

在假设检验中，由于样本信息的局限性，势必会产生错误，错误无非只有两种情况，在统计学中，我们一般称为Ⅰ类错误，Ⅱ类错误。

Ⅰ类错误：原假设H0实际上是真的，但被假设验证为假的，导致弃真错误，发生的概率为α，也称为α错误；

Ⅱ类错误：原假设H0实际上是假的，但被假设验证为真的，导致取伪错误，发生的概率为β，也称为β错误；

其中α称为显著性水平，意义是在一次试验中小概率事物发生的可能性大小，即发生的概率，取值：0.1, 0.05, 0.001等。如果犯I类错误损失更大，为减少损失，α值取小；如果犯II类错误损失更大，α值取大。

Ⅰ类错误可能产生原因：

1、样本中极端数值。

2、采用决策标准较宽松等。

Ⅱ类错误可能产生的原因：

1、实验设计不灵敏。

2、样本数据变异性过大。

3、处理效应本身比较小等。