AB测试/假设检验

最新推荐文章于 2024-05-02 17:58:26 发布

石小秀1995

最新推荐文章于 2024-05-02 17:58:26 发布

阅读量5.4k

点赞数 3

本文链接：https://blog.csdn.net/weixin_43852674/article/details/104464130

版权

本文详细介绍了假设检验中的关键概念，如P值、显著性水平α以及置信度。P值小于0.05意味着存在统计学差异，而显著性水平α决定了犯错误的概率。文章通过多个例子，包括日光灯管质量和红豆黑豆数量的比较，解释了如何进行双边和单边检验，以及如何计算P值和Z值。此外，还提到了F检验、卡方检验在方差分析和二项分布假设检验中的应用。

摘要由CSDN通过智能技术生成

基础概念：

假设检验中的P值

假设检验是推断统计中的一项重要内容在假设检验中常见到P值( P-Value，Probability，Pr)，P值是进行检验决策的另一个依据。

P值即概率，反映某一事件发生的可能性大小。统计学根据显著性检验方法所得到的P 值，一般以P < 0.05 为有统计学差异， P<0.01 为有显著统计学差异，P<0.001为有极其显著的统计学差异。

其含义是样本间的差异由抽样误差所致的概率小于0.05 、0.01、0.001。

H0：差别由抽样误差引起
H1: 差别不是由抽样误差引起

如果P>0.05，不能否定“差别由抽样误差引起”，则接受H0；【样本组A没有比样本组B好，】
如果P<0.05或P <0.01，可以认为差别不由抽样误差引起，可以拒绝原假设H0，则可以不拒绝另一种可能性的假设（又称备选假设，符号为H1），即两样本来自不同的总体，所以两药疗效有差别。

在这里插入图片描述
Attention
⑴P的意义不表示两组差别的大小，P反映两组差别有无统计学意义，并不表示差别大小。因此，与对照组相比，C药取得P<0.05，D药取得P <0.01并不表示D的药效比C强。
⑵ P>0.05时，差异无显著意义，根据统计学原理可知，不能否认无效假设，但并不认为无效假设肯定成立。在药效统计分析中，更不表示两药等效。那种将“两组差别无显著意义”与“两组基本等效”相同的做法是缺乏统计学依据的。
⑶统计学主要用上述三种P值表示，也可以计算出确切的P值，有人用P <0.001，无此必要。
⑷显著性检验只是统计结论。判断差别还要根据专业知识。抽样所得的样本，其统计量会与总体参数有所不同，这可能是由于两种原因。