假设检验学习笔记

2024-06-01 11:04

文章标签 学习笔记假设检验

本文主要是介绍假设检验学习笔记，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

1. 假设检验的基本概念

1.1. 原假设（零假设）

对总体的分布所作的假设用 $H_0$ 表示，并称为原假设或零假设
在总体分布类型已知的情况下，仅仅涉及总体分布中未知参数的统计假设，称为参数假设
在总体分布类型未知的情况下，对总体分布类型或者总体分布的某些特性提出的统计假设，称为非参数假设

1.2. 假设检验中的两类错误

2. 单个正态总体参数的显著性检验

对假设 $H_0$ 的一个检验法完全决定于小概率事件A的选择。

2.1. μ检验

已知 $\sigma^2=\sigma_0^2$ ，检验 $H_0:\mu=\mu_0$

选择统计量

$u=\frac{\overline{x}-\mu_0}{\sigma_0}\sqrt{n} \ \ \ (1)$

在 $H_{\mathrm{o}}$ 成立的假定下，它服从N(0,1)分布。对给定的显著性水平 $\alpha$

查表可得临界值，使得

$P\left(|u|\geq u_{\frac{\alpha}{2}}\right)=\alpha$

这说明

$A=\{\mid u\mid\geqslant u_{\frac{\alpha}{2}}\}$

为小概率事件

将样本值代人(1)式算出统计量的值u。如果 $\left|u\right|\geqslant u_{\frac a2}$ ，则表明在一次试验中小概率事件A出现了，因而拒绝 $H_{0}$ 。这种检验法称为u检验。

已知方差时对正态总体均值的显著性检验归纳为以下几个步骤：

(1) 提出统计假设 $H_0:\mu=\mu_0$ ；

(2) 选择统计量 $u=\frac{\overline{x}-\mu_0}{\sigma_0}\sqrt{n}$ ，并从样本值计算出统计量的值u；
(3) 对给定的显著性水平 $\alpha$ ，从附表 2 查出在 $H_{0}$ 成立的条件下，满足等式 $P(\mid u\mid\geq u_{\frac{\alpha}{2}})=\alpha$ 的临界值 $u_\frac{\alpha}{2}$ ；
(4) 作结论：如果 $|u|\geqslant u_\frac a2$ ，则拒绝 $H_0$ ；反之，可接受 $H_0$ 。

已知 $\sigma^2=\sigma_0^2$ ，检验 $H_0:\mu\leqslant\mu_0$

选取统计量

$u=\frac{\overline{x}-\mu_0}{\sigma_0}\sqrt{n} \ \ \ (2)$
并令

$\widetilde{u}=\frac{\overline{x}-\mu}{\sigma_{0}}\sqrt{n}$

则 $\widetilde u\sim N(0,1)$ ，若 $H_0$ 成立，还有 $u\leq\widetilde{u}$

对给定的 $\alpha$ ，由附表 2 可查得临界值 $u_{a}$ ，使得

$P(\widetilde{u}\geqslant u_{\alpha})=\alpha$

由式(2.2.5)可得

$P\left(u\geqslant u_{\alpha}\right)\leqslant P\left(\widetilde{u}\geqslant u_{\alpha}\right)=\alpha$

这说明事件“ $u\geqslant u_a$ ”是小概率事件。因此 $H_0$ 的拒绝域为 $u\geqslant u_a$ ，将样本值代人式(2)算出统计量的值u，若 $u\geqslant u_{\alpha}$ ，则拒绝 $H_0$ ；否则可接受 $H_0$ 。

2.2. t检验

2.3. 卡方检验

3. 两个正态总体参数的显著性检验

3.1. F检验

正态总体参数显著性检验表

3.2. t检验

在假设检验中：

以上3种检验的检验法则与检验效果是一致的。

在假设检验中：

以上3种检验的检验法则与检验效果是一致的。

4. 非参数假设性检验

$\chi^2$ 拟合优度检验

皮尔逊统计量

总结一下利用 $\chi^2$ 拟合优度检验来检验关于总体分布的假设，步骤如下：

参考文献

假设检验-CSDN博客

https://zhuanlan.zhihu.com/p/545859256

这篇关于假设检验学习笔记的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

http://www.chinasem.cn/article/1020823。 23002807@qq.com

相关文章

HarmonyOS学习(七)——UI（五）常用布局总结

HarmonyOS学习(七)——UI（五）常用布局总结

自适应布局 1.1、线性布局（LinearLayout）通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列，Row组件中的子组件按照水平方向排列。属性说明space通过space参数设置主轴上子组件的间距，达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式，且在各类尺寸屏幕上表现一致，其中交叉轴为垂直时，取值为Vert

阅读更多...

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya（不是本人，claude AI）在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。以下是详细的内容：提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

阅读更多...

【前端学习】AntV G6-08 深入图形与图形分组、自定义节点、节点动画（下）

【前端学习】AntV G6-08 深入图形与图形分组、自定义节点、节点动画（下）

【课程链接】 AntV G6：深入图形与图形分组、自定义节点、节点动画（下）_哔哩哔哩_bilibili 本章十吾老师讲解了一个复杂的自定义节点中，应该怎样去计算和绘制图形，如何给一个图形制作不间断的动画，以及在鼠标事件之后产生动画。（有点难，需要好好理解） <!DOCTYPE html><html><head><meta charset="UTF-8"><title>06

阅读更多...

学习hash总结

学习hash总结

2014/1/29/ 最近刚开始学hash，名字很陌生，但是hash的思想却很熟悉，以前早就做过此类的题，但是不知道这就是hash思想而已，说白了hash就是一个映射，往往灵活利用数组的下标来实现算法，hash的作用：1、判重；2、统计次数；

阅读更多...

零基础学习Redis(10) -- zset类型命令使用

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合，内部除了存储元素外，还会存储一个score，存储在zset中的元素会按照score的大小升序排列，不同元素的score可以重复，score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd zadd key [NX | XX] [GT | LT] [CH] [INCR] score member [score member ...]

阅读更多...

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言高斯过程（Gaussian Process，简称GP）是一种概率模型，用于描述一组随机变量的联合概率分布，其中任何一个有限维度的子集都具有高斯分布文章目录引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数（或核函数） 1.3 核函数1.4 高斯过程回归（Gauss

阅读更多...

【学习笔记】陈强-机器学习-Python-Ch15 人工神经网络（1）sklearn

【学习笔记】陈强-机器学习-Python-Ch15 人工神经网络（1）sklearn

系列文章目录监督学习：参数方法【学习笔记】陈强-机器学习-Python-Ch4 线性回归【学习笔记】陈强-机器学习-Python-Ch5 逻辑回归【课后题练习】陈强-机器学习-Python-Ch5 逻辑回归（SAheart.csv）【学习笔记】陈强-机器学习-Python-Ch6 多项逻辑回归【学习笔记及课后题练习】陈强-机器学习-Python-Ch7 判别分析【学

阅读更多...

系统架构师考试学习笔记第三篇——架构设计高级知识（20）通信系统架构设计理论与实践

系统架构师考试学习笔记第三篇——架构设计高级知识（20）通信系统架构设计理论与实践

本章知识考点：第20课时主要学习通信系统架构设计的理论和工作中的实践。根据新版考试大纲,本课时知识点会涉及案例分析题(25分),而在历年考试中,案例题对该部分内容的考查并不多,虽在综合知识选择题目中经常考查,但分值也不高。本课时内容侧重于对知识点的记忆和理解,按照以往的出题规律,通信系统架构设计基础知识点多来源于教材内的基础网络设备、网络架构和教材外最新时事热点技术。本课时知识

阅读更多...

线性代数|机器学习-P36在图中找聚类

线性代数|机器学习-P36在图中找聚类

文章目录 1. 常见图结构2. 谱聚类感觉后面几节课的内容跨越太大，需要补充太多的知识点，教授讲得内容跨越较大，一般一节课的内容是书本上的一章节内容，所以看视频比较吃力，需要先预习课本内容后才能够很好的理解教授讲解的知识点。 1. 常见图结构假设我们有如下图结构： Adjacency Matrix:行和列表示的是节点的位置，A[i,j]表示的第 i 个节点和第 j 个

阅读更多...

Node.js学习记录（二）

Node.js学习记录（二）

目录一、express 1、初识express 2、安装express 3、创建并启动web服务器 4、监听 GET&POST 请求、响应内容给客户端 5、获取URL中携带的查询参数 6、获取URL中动态参数 7、静态资源托管二、工具nodemon 三、express路由 1、express中路由 2、路由的匹配 3、路由模块化 4、路由模块添加前缀四、中间件

阅读更多...