假设检验
来源:互联网 发布:北仑博菱电器工资算法 编辑:程序博客网 时间:2024/06/09 15:43
H0:原假设(希望得到结果的反面)
H1:备择假设 (首先确定H1,希望得到的结果)
第一类错误:H0正确,却认为H0错误
第二类错误:H0不正确,确认为H0正确
显著性水平:犯第一类错误的概率是显著性水平,记为α。
假设检验过程:
- 根据场景设定H0, H1
- 指定显著性水平α
- 计算检定统计量:
- 找出弃却域(rejection region),根据α去找相应的t,z,卡方表对应的值,也就是确定reject region的临界点值
- 将检定统计量与临界值对比,落在临界值以内就要推翻H0假设
统计量的计算:
关于群体平均数μ的检验:
- σ已知:z检验
- σ未知:t检验
关于群体比率P的检验:
- p:z检验
关于群体变异数σ平方的检定:
卡方检验
样本数n小于30需要,需要假设群体呈常态分布。
显著性水平是我们下结论时的一个可靠的评估结论。然而,这种检定方法有一个缺点,就是不易评估检定结果的显著程度;也就是说,当检定统计量落于弃却域时,我们无法评估资料与原假设不符合的程度有多严重。
P-value:表示统计检定结果的另一种方法
定义:p-value也称为观察的或样本资料估算出来的显著水平。p值是评估样本资料与原假设之间不符合程度的一个指标。
如何利用p-value来决定是否拒绝原假设H0?
- 选择能容忍的最大显著水准α
- 假如检定统计量的p-value小于α,则拒绝H0。否则,不拒绝H0。
阅读全文
0 0
- 假设检验
- 假设检验
- 假设检验
- 假设检验
- 假设检验
- 假设检验
- 假设检验
- 假设检验
- 假设检验
- 假设检验
- 假设检验
- 假设检验
- 假设检验
- 假设检验
- 假设检验
- 假设检验
- 假设检验
- 假设检验
- 28份技术知识图谱
- git分支管理
- EventBus3.0框架使用详细讲解
- 微信小程序开发之IOS/Android兼容坑
- JavaEE的三层架构
- 假设检验
- 代码审查工具SonarQube
- c语言求解一元二次方程
- 素数表的获取(常规方法与埃氏筛法)
- Java对XML文档进行解析(SAX、StAX解析)
- shell 脚本 判断用户是管理员还是系统用户还是普通用户脚本
- php 实现读取目录下所有文件
- 做数模的那些天——2017.9.19
- hdu 1226 超级密码