假设检验(维基百科)

2024-01-04 14:32
文章标签 维基百科 假设检验

本文主要是介绍假设检验(维基百科),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!

http://zh.wikipedia.org/wiki/Wikipedia:首页

 

假设检验是推论统计中用于检验统计假设的一种方法。而“统计假设”是可通过观察一组随机变量的模型进行检验的科学假说。[1]我们一旦能估计未知参数,就会希望根据结果对未知的真正参数值做出适当的推论。

统计上对参数的假设,就是对一个或多个参数的论述。而其中我们欲检验其正确性的为零假设(null hypothesis),零假设通常由研究者决定,反应研究者对未知参数的看法。相对于零假设的其他有关参数之论述是备择假设(alternative hypothesis),它通常反应了执行检定的研究者对参数可能数值的另一种(对立的)看法(换句话说,备择假设通常才是研究者最想知道的)。

假设检验的种类包括:t检验,Z检验,卡方检验,F检验等等。

 说明

假设检验的过程,可以用法庭的审理来说明。先想像现在法庭上有一名被告,假设该被告是清白的,而检察官必须要提出足够的证据去证明被告的确有罪。在证明被告有罪前,被告是被假设为清白的。

  • 假设被告清白的假设,就相当于零假设(null hypothesis)。
  • 假设被告有罪的假设,则是备择假设(alternative hypothesis)。

而检察官提出的证据,是否足以确定该被告有罪,则要经过检验。这样子的检验过程就相当于用T检验或Z检验去检视研究者所搜集到的统计资料。

 检验过程

在统计学的文献中,假设检验发挥了重要作用。假设检验大致有如下步骤:

  1. 最初研究假设为真相不明。
  2. 第一步是提出相关的零假设备择假设。这是很重要的,因为错误陈述假设会导致后面的过程变得混乱。
  3. 第二步是考虑检验中对样本做出的统计假设;例如,关于独立性的假设或关于观测数据的分布的形式的假设。这个步骤也同样重要,因为无效的假设将意味着试验的结果是无效的。
  4. 决定哪个检测是合适的,并确定相关检验统计量 T.
  5. 在零假设下推导检验统计量的分布。在标准情况下应该会得出一个熟知的结果。比如检验统计量可能会符合学生t-分布或正态分布。
  6. 选择一个显著性水平 (α),低于这个概率阈值零假设会被拒绝。最常用的是 5% 和 1%。
  7. The distribution of the test statistic under the null hypothesis partitions the possible values of T into those for which the null hypothesis is rejected—the so-called critical region—and those for which it is not. The probability of the critical region is α.
  8. Compute from the observations the observed value tobs of the test statistic T.
  9. Decide to either reject the null hypothesis in favor of the alternative or not reject it. The decision rule is to reject the null hypothesis H0 if the observed value tobs is in the critical region, and to accept or "fail to reject" the hypothesis otherwise.

相关条目

  • 变异数分析

这篇关于假设检验(维基百科)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/569624

相关文章

Spark Mllib之相关性计算和假设检验

Spark Mllib之相关性计算和假设检验 原创: 小小虫 一、皮尔逊相关性和斯皮尔曼相关性 1.1 皮尔逊相关性 要理解 Pearson 相关系数,首先要理解协方差(Covariance)。协方差表示两个变量 X,Y 间相互关系的数字特征,其计算公式为: Pearson 相关系数公式如下: 由公式可知,Pearson 相关系数是用协方差除以两个变

概率统计Python计算:假设检验应用——分布拟合检验

对来自总体 X X X的样本 X 1 , X 2 , ⋯ , X n X_1,X_2,\cdots,X_n X1​,X2​,⋯,Xn​,及给定的显著水平 α \alpha α检验假设 H 0 : X 的分布函数为 F ( x ) ( H 1 : X 的分布函数不是 F ( x ) ) . H_0:X\text{的分布函数为}F(x)(H_1:X\text{的分布函数不是}F(x)). H0​:X

概率统计Python计算:假设检验应用——基于成对数据的检验

设有 n n n个相互独立的观测结果 ( X 1 , Y 1 ) (X_1,Y_1) (X1​,Y1​), ( X 2 , Y 2 ) (X_2,Y_2) (X2​,Y2​), ⋯ \cdots ⋯, ( X n , Y n ) (X_n,Y_n) (Xn​,Yn​),诸对 X i X_i Xi​和 Y i Y_i Yi​受同一因素影响, D i = X i − Y i D_i=X_i-Y_i

数据分析:假设检验方法汇总及R代码实现

欢迎大家关注全网生信学习者系列: WX公zhong号:生信学习者Xiao hong书:生信学习者知hu:生信学习者CDSN:生信学习者2 介绍 显著性检验方法,通常也被称为假设检验方法,是统计学中用于评估样本统计量是否显著不同于某个假设值的一种重要工具。以下是假设检验方法使用时需要考虑的三个条件的书面化表述: 一、数据分组数目(处理组数目)的考虑 在进行假设检验时,首先需要考虑的是数

python数据分析--- ch12-13 python参数估计与假设检验

python数据分析--- ch12-13 python参数估计与假设检验 1. Ch12--python 参数估计1.1 参数估计与置信区间的含义及函数版1.1.1 参数估计与置信区间的含义1.1.2 参数估计函数版1.1.3 参数估计函数版 1.2 Python单正态总体均值区间估计1.2.1 方差 σ 2 \sigma^2 σ2已知1.2.2 方差 σ 2 \sigma^2 σ2未知

Q-function Q函数 (维基百科)

如有翻译或者理解上的错误烦请指出 Q函数 定义和基本特性边界和近似逆Q函数Q函数的值高维度多一嘴 Marcum Q函数MARCUM Q函数高斯Q函数区别和联系 参考文献 Q函数与正态分布的累积分布函数相关,并且是误差函数的补函数,这使得Q函数在应用数学和物理学中非常重要。 在统计学中,Q函数是标准正态分布的尾部分布函数[1][2]。换句话说,Q(x)是一个正态(高斯)随

【概率论】第八章 假设检验

假设检验 一、假设检验1.1 假设检验的原理1.2 假设检验中的重要概念 二、正态总体参数的假设验证2.1 单个总体的参数的检验2.2 两个正态总体参数的假设检验 一、假设检验 1.1 假设检验的原理 1.2 假设检验中的重要概念 二、正态总体参数的假设验证 2.1 单个总体的参数的检验 2.2 两个正态总体参数的假设检验

从零开始统计学 01 | 假设检验

文章目录 一、提出假设二、选择检验方法2.1 正态分布2.2 t分布(*t-distribution*)与T检验2.3 F分布(*F-distribution*)与方差分析2.4 卡方分布 (*chi-square distribution*)与卡方检验2.4.1 检验数据是否服从某种分布2.4.1.1 使用绘图2.4.1.2 使用卡方检验2.4.1.3 使用Kolmogorov-Smirn

假设检验学习笔记

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  对假设的一个检验法完全

究竟什么是CLR(翻译自维基百科)

做.net的事情的时候,都会与CLR打交道,那么究竟什么是CLR呢? CLR的全称是The Common Language Runtime 公共语言运行时,是微软.net框架虚拟机的组成部分,管理.net程序的执行。即时编译进程会把已经编译好的代码转换为CPU的机器指令然后执行。CLR提供了额外的服务包括内存管理、类型安全、异常处理、垃圾回收、安全和线程管理。为.net框架写的所有程序,不管什么