小样本不符合正态_假设检验小案例

我们为什么要假设检验？？？

生活中经常会遇到要对某件事情进行评估，但又不能直接统计全部数据，只能通过部分样本对总体进行估计，个案当然不足以证明一个全称命题，但是却可以否定全称命题，假设检验的基本逻辑就是基于科学哲学的一个重要论点：全称命题只能被证否而不能被证明，利用“小概率事件”进行反证。

本篇文章简单结合几个小案例，实操分析，帮助更深理解假设检验。

一、单样本检验

案例介绍：

星星电子厂是专门生产某电子元件的公司，根据需求方要求，电子元件的寿命大于225小时，才算合格。

测得其中生产的16只元件使用寿命如下：

159,280,101,212,224,379,179,264,222,362,168,250,149,260,485,170

问题：怎么判断公司生产的电子原件是否满足标准？

案例分析：

1、描述统计分析

#导入分析包

2、推论统计分析

(1)提出问题

a.零假设和备选假设：

零假设H0：公司生产的电子元件不满足标准，既平均值u<=225

备选假设H1：公司生产的电子元件满足标准，既平均值u>225

b.检验类型：

只有1个样本，所以是单样本检验。

c.抽样分布类型：

样本的数量为16，小于30，属于小样本，绘图查看数据集的分布图来确定分布类型。

#查看数据集分布
sns.distplot(data)
plt.title('数据集分布')
plt.show()