0、一类错误与二类错误
一类错误:在原假设正确的情况下,判定原假设错误,错误概率为,一般为0.05(常见假设检验)
二类错误:在原假设错误的情况下,接受原假设,错误概率为,一般为0.2(功效检验)
1、参数检验
对参数平均值、方差进行的统计检验,当总体分布已知(如总体为正态分布),根据样本数据对总体分布的统计参数进行判断
已知(假定)数据服从某一分布,只能用于等距数据和比例数据,集中趋势衡量为均值
- t检验(正态总体均值的假设检验)
检验1组数据样本的均值是否等于,大于或小于某个值,或者检验两组数据样本的均值的大小情况(需用倒F检验)。其中的统计量Z一般服从t分布。
- F检验/方差齐性检验(正态总体方差的假设检验)
方差齐性是方差分析和一些均数比较t检验的重要前提,利用F检验进行方差齐性检验是最原始的,但对数据要求比较高。
要求样本来自两个独立的、服从正态分布的总体
2、非参数检验
在总体方差未知或知道甚少的情况下,利用样本数据对总体分布形态等进行推断的方法
主要用于计数数据,集中趋势衡量为中位数
- 卡方检验
比较两个及两个以上样本率(构成比)以及两个分类变量的关联性分析。根本思想在于比较理论频数和实际频数的吻合程度或者拟合优度问题。
- ks检验(Kolmogorov-Smirnov检验)
检验数据是否符合某种分布
检验统计量为累计频率差的绝对值的最大值(绝对值)