初识假设检验

1. 什么是假设检验 (Hypothesis test)

假设检验是先对总体参数提出某种假设，然后利用样本信息判断假设是否成立的过程。

它采用逻辑上的反证法和依据统计上的小概率原理。小概率思想认为小概率事件在一次实验中基本不可能发生，所以我们假设检验的逻辑是：如果在愿假设正确的前提下，检验统计量的样本观测值出现了小概率事件，我们有理由怀疑愿假设的真实性，从而否定它，转而接受被泽假设。

换句话说

假设检验就分为 假设 和 检验 两步骤,先提出假设，之后验证假设是不合理的。

2. 假设检验的两类错误

第 I 类错误(弃真错误)： 零假设为真时错误地拒绝了零假设。犯第 I 类错误的最大概率记为 α（alpha）。
第 II 类错误(取伪错误)： 零假设为假时错误地接受了零假设。犯第 II 类错误的最大概率记为 β（beta）。

在假设检验中，我们可能在决策上犯这两类错误。一般来说，在样本量确定的情况下，任何决策无法同时避免这两类错误的发生，即在减少第一类错误发生的同时，会增大第二类错误发生的几率，或者在减少第二类错误发生的同时，会增大第一类错误发生的几率。要使α和β 都同时减小，除非增加样本的容量。

因此，统计学家奈曼与皮尔逊提出了一个原则：即在控制犯第一类错误的概率𝛼情况下，尽量使犯第二类错误的概率𝛽小。人们通过事先给定显著性水平α的值来控制第一类错误发生的概率，常用的 α 值有 0.01，0.05，0.1。如果犯第一类错误的成本不高，那么可以选择较大的α值；如果犯第一类错误的成本很高，则选择较小的α值。

注：人们将只控制第一类错误的假设检验称为显著性检验，许多假设检验的应用都属于这一类型。

3. 假设检验的基本术语

零假设( null hypothesis )： 试验者想收集证据予以反对的假设，也称为原假设， 通常记为 $H_0$.

被泽假设( alternative hypothesis )： 试验者想收集证据予以支持的假设，通常记为 $H_1$