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 H_0 H0.
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 H_1 H1