P值:
在原假设成立的情况下,得到样本观察结果或更极端的观察结果出现的概率,从而P值为否定H0的最低显著性水平
分为2部分理解:
- 在原假设成立的情况下,得到样本观察结果或更极端的观察结果出现的概率
- 为否定
的最低显著性水平
先对1解释,看下面例题:
![ca5a70e77cc7a7e5634d6b25c0c77d95.png](https://i-blog.csdnimg.cn/blog_migrate/840c09707a08c833ff9a6018711a43f1.jpeg)
![bafde6fe7a705c9b52907440663ae03d.png](https://i-blog.csdnimg.cn/blog_migrate/f084e62fa46f3b45eeff1d7164b71b05.jpeg)
以该题为例,第一个理解的核心是注重的是观察结果。
这里观察结果是
- 得出来的图形是什么条件下的??谁的图形??
- P值和显著水平α关系
1.得出来的图形是什么条件下的??谁的图形??
X服从正态分布,
不论是什么检验方法,实际上我们画的都是
![9444bdbbb4866ed4c2060933637ab248.png](https://i-blog.csdnimg.cn/blog_migrate/5261a4fc8836474a05a85612a1d60a29.png)
先考虑非标准和右侧检验情况:
![6425ffbae51bbe4fcbdb75b61fba82e2.png](https://i-blog.csdnimg.cn/blog_migrate/b681b9056d77ae7ec23fec360f364949.jpeg)
如果真是从μ=4的情况下取出的样本,那么
几个典型问题:
Q1:
![15227374c34694c25571c9e2155e0abc.png](https://i-blog.csdnimg.cn/blog_migrate/7ae66a9815508b33f89ff490b5ef53b9.jpeg)
A:
抛硬币例子:假设抛了多组,每组100次,得到平均正面次数90次,而假设
![a177af8cc50cc093bc400ac53a5e7539.png](https://i-blog.csdnimg.cn/blog_migrate/eb9cde558fa7400265a2219b540dfadf.png)
p值(蓝色面积)越小代表你的样本观察结果在H0成立条件下出现可能越小。
Q2:
![c2cfa1ca57e0b8858599618442ad2662.png](https://i-blog.csdnimg.cn/blog_migrate/e12503b1d306e96b9d093f7762c0e025.png)
A:
不是
2.显著性水平α是人为给定的:
①作为接受和拒绝原假设的界限(非严谨说法)
②表示
例题中标准化后的图(α和p值都是面积,概率):
![98cf111232532b9212572e0b408a03f4.png](https://i-blog.csdnimg.cn/blog_migrate/646ef255eac367a8f8eb0a672f063e69.png)
α=0.05时,p值>显著水平α,接受原假设
α=0.5时,p值<显著水平α,拒绝原假设
可以看出,α区域靠左边界竖线可以人为左右平移,当α=p值时,是拒绝H0的最低显著性水平(拒绝域边界值带等号)
通常α多数统计软件默认为0.05,即只要有95%把握在
有点像极大似然的思想
看个题:
![c0fcc5daeaa158545f0976cf900db5d8.png](https://i-blog.csdnimg.cn/blog_migrate/57c3d8520b0591fdbd2867110d29f9e3.jpeg)
拟合分布卡方检验,可以看作观察到的分布和特定分布的拟合程度,p值度量一致性