假设检验_假设检验的实现步骤

“一旦你排除一切的不可能，剩下的不管多么难以置信，一定就是真相！”——《神探夏洛克》

统计分析实验中，通过假设检验可以为假设推断提供有力的证据支撑。

文章大纲：

• 假设检验的逻辑
• 基本概念辨析
• 假设检验的基本步骤
• 总结

---

1. 假设检验的逻辑

假设检验的逻辑是先对总体的特征做出某种假设，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做出推断。

基于小概率事件和反证思维。

即先随着统计问题的建立，可以引申出对应的原假设和备选假设，再用适当的统计方法，利用小概率原理，确定原假设是否成立。

具体来讲，首先假定该原假设正确，然后根据样本对原假设做出接受或拒绝的决策。如果样本观察值导致了“小概率事件”发生，就应拒绝原假设（接受备选假设），否则应接受原假设。

2. 基本概念辨析

通过假设检验，一方面验证假设是否成立，另一方面，还应在假设通过基础上求出对应的置信区间，体现推断统计的相对严谨。

2.1 置信区间（Confidence intervals）

是指由样本统计量所构造的总体参数的估计区间。即描述抽样估计的准确程度，能够被认可的误差范围。

2.2 置信水平（Confidence level）

即置信区间的可信水平（程度）。

2.3 显著水平（significance level）

是估计总体参数落在某一区间内，可能犯错误的概率，用α表示。

显著性水平=1-置信水平

2.4 样本量（sample size）

每组样本所含样本量的数量即为样本量，样本量的大小直接影响假设检验中采取的分布和估计结果的可靠性（置信区间）。

一般来讲样本量小于30即为小样本，大于等于30则可视为大样本。

如图所示，当样本量大于等于30时，无论总体服从何种分布，样本均满足中心极限定理（正态分布）；而当样本量小于30时，只有在总体分布近似于正态分布时，样本分布才满足t分布，否则为其他分布（此处，不过多涉及）。

2.5 置信区间与置信水平、样本量的关系

在置信水平固定的情况下，样本量越多，置信区间越窄。

在样本量相同的情况下，置信水平越高，置信区间越宽。

2.6 置信区间的确定（与置信水平、显著性水平）

通常在显著性水平α已知的情况下，置信水平=100（1-α）%。

对于一组给定的样本数据，其平均值为μ，标准偏差为σ，则其整体数据的