假设检验介绍
来源:互联网 发布:ubuntu如何卸载jdk 编辑:程序博客网 时间:2024/05/23 14:21
假设检验是一类概率问题。通过数据对总体进行猜测,作出假设。再根据数据的统计特性,判断假设是否可信。
注意,这里的假设不是瞎猜,是根据一定已知信息作出的。
参数检验和非参数检验
假设检验一般有两种,其一是参数检验,其二是非参数检验。
参数检验
已知总体的分布,或者根据某种办法对总体进行了分布的可靠近似。对某个参数的值作出假设。
参数检验又有单侧和双侧检验的分别。
假设 μ 是总体分布的某个参数,如果我们猜测 μ 恰好是多少,那就是双侧;如果猜测 μ 大于等于(小于等于)某一值,则是左侧(右侧)检验。左右侧检验统称单侧检验。
非参数检验
主要介绍分布函数拟合检验,也叫符合检验。简而言之就是猜测总体的分布函数。
原理
假设检验的基本根据是小概率原理:小概率事件在一次实验之中是几乎不可能发生的。
这里就要介绍假设检验的一个参数:α (0 < α < 1)。称作显著性水平。一般取值 0.1,0.05,0.01 等较小值,在一次假设检验中,概率小于 α 的事件,就被称作是小概率事件。
介绍一下一般步骤:
提出假设
假设一般分为对立的两个部分:一般记做H0 与H1 。H0 是原始假设的总结,称作零假设;H1 是H0 的反面,叫做备择假设。选择统计量 T
这是假设检验至关重要的一步,对于给出的数据,要按照某种办法进行统计。这样就计算得到一个总体的统计量的一个样本点。
举例说明,如果一组数据是 1, 2, 3, 4, 5。设数据描述的变量是x 。选取统计量是x 的平均值(用x¯ 记之),那么就有x¯ 的一个样本点 3。确定拒绝域
拒绝域就是样本出现在这个范围内的话,就要决绝接受假设H0 。
可以由给定的显著性水平 α,以及统计量 T 的分布,查表得到临界值,确定拒绝域。计算样本点
就是第二步说的那个……做出判断。
样本点在拒绝域就拒绝H0 ;反之,接受H0 。
假设检验的可靠性
由于是用样本去推测总体,故而假设检验不可避免的有犯错的概率。
错误有两类:
- H0 真,但拒绝之。
- H0 假,但接受之。
按照假设检验的做法,错误 1 出现的概率就是显著性水平 α;错误 2 出现的概率则不做介绍,记作 β。一般地,不能使得一个检验的 α 与 β 都很小,也就是说,α 取太小会提高 β。
- 假设检验介绍
- 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
- 数据结构实验之串一:KMP简单应用
- 表格合并---课程表
- Android源码工程转化为Android Studio项目的方法
- solr5.X的几个重要配置模板
- condition variable 和 srwlock的一个例子
- 假设检验介绍
- 盒模型再回顾:外边距折叠与怪异盒模型
- C++空类编译器自动生成的6个成员函数
- Android 点击按钮实现控件显示隐藏
- 用Python在训练好的log文件中提取出数据并画图
- 001
- [CF#365 (Div. 2) Mishka and Interesting sum] 线段树离线处理区间不同数
- 前台如何调用MD5加密
- C# 通过IHttpModule来实现Url Rewrite,且Session有效