假设对比

本文解释了统计学中的假设检验是什么。因此,您将学习如何进行假设检验、不同类型的假设检验以及进行假设检验时可能出现的错误。

什么是假设检验?

假设检验是用于拒绝或否定统计假设的程序。在假设检验中,我们判断总体参数的值是否与在所述总体样本中观察到的结果一致。

也就是说,在假设检验中,对统计样本进行分析,并根据获得的结果确定是拒绝还是接受先前建立的假设。

请记住,一般来说,从假设检验中,人们无法完全确定地推断假设是真是假,但假设只是被拒绝或不基于所获得的结果。因此,在检验假设时,即使有统计证据表明所做的决定是最有可能的,仍然可能会犯错误。

在统计学中,假设检验也称为假设检验假设检验显着性检验

假设检验理论由英国统计学家罗纳德·费舍尔 (Ronald Fisher) 建立,并由杰西·内曼 (Jerzy Neyman) 和埃贡·皮尔逊 (Egon Pearson) 进一步发展。

原假设和备择假设

假设检验由两种类型的统计假设组成:

  • 零假设 (H 0 ) :该假设认为我们关于总体参数的初始假设是错误的。因此,零假设是我们希望拒绝的假设。
  • 备择假设(H 1 :是其真实性应该被证明的研究假设。也就是说,备择假设是研究者的先验假设,为了试图证明其正确性,将进行对比假设。

实际上,备择假设是在原假设之前制定的,因为备择假设旨在通过数据样本的统计分析来证实。然后简单地通过反驳备择假设来制定原假设。

假设检验的类型

假设检验可以分为两种不同的类型:

  • 双尾假设检验(或双尾假设检验) :假设检验的备择假设指出总体参数与特定值“不同”。
  • 单尾假设检验(或单尾假设检验) :假设检验的备择假设表明总体参数“大于”(右尾)或“小于”(左尾)某个特定值。

双尾假设检验

\begin{cases}H_0: \mu=\mu_0\\[2ex]H_1:\mu\neq\mu_0\end{cases}

单尾假设检验(右尾)

\begin{cases}H_0: \mu\leq \mu_0\\[2ex]H_1:\mu>\mu_0\end{cases}” title=”Rendered by QuickLaTeX.com” height=”65″ width=”102″ style=”vertical-align: 0px;”></p>
</p>
</div>
<div class=

单尾假设检验(左尾)

\begin{cases}H_0: \mu\geq\mu_0\\[2ex]H_1:\mu<\mu_0\end{cases}

假设检验的拒绝区域和接受区域

正如我们将在下面详细看到的,假设检验包括计算每种假设检验的特征值,该值称为假设检验统计量。因此,一旦计算出对比度统计量,就需要观察它位于以下两个区域中的哪一个区域才能得出结论:

  • 拒绝区域(或临界区域) :这是涉及拒绝原假设(并接受备择假设)的假设检验参考分布的图形区域。
  • 接受区域:这是假设检验参考分布的图形区域,意味着接受原假设(并拒绝备择假设)。

简而言之,如果检验统计量落在拒绝区内,则拒绝原假设并接受备择假设。相反,如果检验统计量落在接受区域内,则接受原假设并拒绝备择假设。

假设对比

建立拒绝区域和接受区域边界的值称为临界值,类似地,定义拒绝区域的值的区间称为置信区间。这两个值都取决于所选的显着性水平

请参阅: Alpha 显着性级别

另一方面,拒绝或接受原假设的决定也可以通过将从假设检验获得的p 值(或 p 值)与所选显着性水平进行比较来做出。

请参阅: p 值是多少?

如何进行假设检验

要进行假设检验,应遵循以下步骤:

  1. 陈述假设检验的原假设和备择假设。
  2. 建立所需的 alpha (α) 显着性水平。
  3. 计算假设对比统计量。
  4. 确定假设检验的临界值,以了解假设检验的拒绝域和接受域。
  5. 观察假设对比统计量是在拒绝区域还是接受区域。
  6. 如果统计量落在拒绝区域内,则拒绝原假设(并接受备择假设)。但如果统计量落在接受区内,则接受原假设(并拒绝备择假设)。
请参阅:均值的假设检验
请参阅:比例假设检验
请参阅:方差假设检验

假设检验错误

在假设检验中,当拒绝一个假设并接受另一个检验假设时,可能会犯以下两个错误之一:

  • I 类错误:这是在原假设为真时拒绝原假设时所犯的错误。
  • II 类错误:这是在原假设实际上为假时接受原假设而犯的错误。
I 类错误和 II 类错误

另一方面,犯每种类型错误的概率如下:

  • Alpha概率(α) :是犯第一类错误的概率。
  • Beta概率(β) :是犯第二类错误的概率。

类似地,假设检验的功效被定义为当原假设(H 0 )为假时拒绝原假设(H 0 )的概率,或者换句话说,它是当备择假设(H 1 )为真时选择它的概率。因此,假设检验的功效等于 1-β。

假设检验统计

假设检验的统计量是假设检验参考分布的值,用于确定是否拒绝原假设。如果检验统计量落入拒绝域,则拒绝原假设(并接受备择假设),反之,如果检验统计量落入接受域,则接受原假设(并接受备择假设)拒绝)。替代假设)。

假设检验统计量的计算取决于检验的类型。因此,每种假设检验的统计量计算公式如下所示。

均值的假设检验

已知方差的均值的假设检验统计量的公式为:

\displaystyle Z=\frac{\overline{x}-\mu}{\displaystyle \frac{\sigma}{\sqrt{n}}}

金子:

  • Z

    是平均值的假设对比统计量。

  • \overline{x}

    是样本均值。

  • \mu

    是建议的平均值。

  • \sigma

    是总体标准差。

  • n

    是样本大小。

计算平均值的假设检验统计量后,必须解释结果是否拒绝原假设:

  • 如果均值的假设检验是双向的,则当统计量的绝对值大于临界值 Z α/2时,将拒绝原假设。
  • 如果均值的假设检验与右尾匹配,且统计量大于临界值 Z α ,则拒绝原假设。
  • 如果均值的假设检验与左尾匹配,且统计量小于临界值 -Z α ,则拒绝原假设。

\begin{array}{l}H_1: \mu\neq \mu_0 \ \color{orange}\bm{\longrightarrow}\color{black} \ \text{Si } |Z|>Z_{\alpha/2} \text{ se rechaza } H_0\\[3ex]H_1: \mu> \mu_0 \ \color{orange}\bm{\longrightarrow}\color{black} \ \text{Si } Z>Z_{\alpha} \text{ se rechaza } H_0\\[3ex]H_1: \mu< \mu_0 \ \color{orange}\bm{\longrightarrow}\color{black} \ \text{Si } Z<-Z_{\alpha} \text{ se rechaza } H_0\end{array}

在这种情况下,临界值是从标准化正态分布表中获得的。

另一方面,方差未知的均值的假设检验统计量的公式为:

\displaystyle t=\frac{\overline{x}-\mu}{\displaystyle \frac{s}{\sqrt{n}}}

金子:

  • t

    是平均值的假设检验统计量,由学生 t 分布定义。

  • \overline{x}

    是样本均值。

  • \mu

    是建议的平均值。

  • s

    是样本标准差。

  • n

    是样本大小。

和以前一样,检验统计量的计算结果必须用临界值来解释,以拒绝或不拒绝原假设:

  • 如果均值的假设检验是双向的,并且统计量的绝对值大于临界值 t α/2|n-1 ,则拒绝原假设。
  • 如果均值的假设检验与右尾匹配,且统计量大于临界值 t α|n-1 ,则拒绝原假设。
  • 如果均值的假设检验与左尾匹配,且统计量小于临界值 -t α|n-1 ,则拒绝原假设。

\begin{array}{l}H_1: \mu\neq \mu_0 \ \color{orange}\bm{\longrightarrow}\color{black} \ \text{Si } |t|>t_{\alpha/2|n-1} \text{ se rechaza } H_0\\[3ex]H_1: \mu> \mu_0 \ \color{orange}\bm{\longrightarrow}\color{black} \ \text{Si } t>t_{\alpha|n-1} \text{ se rechaza } H_0\\[3ex]H_1: \mu< \mu_0 \ \color{orange}\bm{\longrightarrow}\color{black} \ \text{Si } t<-t_{\alpha|n-1} \text{ se rechaza } H_0\end{array}

当方差未知时,从Student分布表中获得临界测试值。

比例假设检验

比例假设检验统计量的公式为:

\displaystyle Z=\frac{\widehat{p}-p}{\displaystyle\sqrt{\frac{p(1-p)}{n}}}

金子:

  • Z

    是该比例的假设检验统计量。

  • \widehat{p}

    是样本比例。

  • p

    是建议的比例值。

  • n

    是样本大小。

  • \displaystyle\sqrt{\frac{p(1-p)}{n}}

    是比例的标准差。

请记住,计算比例的假设检验统计量是不够的,但必须解释结果:

  • 如果该比例的假设检验是双向的,则当统计量的绝对值大于临界值 Z α/2时,将拒绝原假设。
  • 如果该比例的假设检验与右尾匹配,且统计量大于临界值 Z α ,则拒绝原假设。
  • 如果比例的假设检验与左尾匹配,且统计量小于临界值 -Z α ,则拒绝原假设。

\begin{array}{l}H_1: p\neq p_0 \ \color{orange}\bm{\longrightarrow}\color{black} \ \text{Si } |Z|>Z_{\alpha/2} \text{ se rechaza } H_0\\[3ex]H_1: p> p_0 \ \color{orange}\bm{\longrightarrow}\color{black} \ \text{Si } Z>Z_{\alpha} \text{ se rechaza } H_0\\[3ex]H_1: p< p_0 \ \color{orange}\bm{\longrightarrow}\color{black} \ \text{Si } Z<-Z_{\alpha} \text{ se rechaza } H_0\end{array}

请记住,可以从标准正态分布表中轻松获得临界值。

方差假设检验

方差假设检验统计量的计算公式为:

\chi^2=\cfrac{(n-1)s^2}{\sigma^2}

金子:

  • \chi^2

    是方差的假设检验统计量,具有卡方分布。

  • n

    是样本大小。

  • s^2

    是样本方差。

  • \sigma^2

    是建议总体的方差。

为了解释统计结果,必须将获得的值与测试的临界值进行比较。

  • 如果方差假设检验是双尾的,则当统计量大于临界值时,将拒绝原假设。

    \chi_{1-\alpha/2|n-1}^2

    或者如果临界值小于

    \chi_{\alpha/2|n-1}

  • 如果方差的假设检验与右尾匹配,且统计量大于临界值,则拒绝原假设

    \chi_{1-\alpha|n-1}^2

  • 如果方差假设检验与左尾匹配,且统计量小于临界值,则拒绝原假设

    \chi_{\alpha|n-1}

\begin{array}{l}H_1: \sigma^2\neq \sigma_0 \ \color{orange}\bm{\longrightarrow}\color{black} \ \text{Si } \chi^2>\chi^2_{1-\alpha/2|n-1}\text{ se rechaza } H_0\\[3ex]H_1: \sigma^2\neq \sigma_0 \ \color{orange}\bm{\longrightarrow}\color{black} \ \text{Si }\chi^2<\chi^2_{\alpha/2|n-1}\text{ se rechaza } H_0 \\[3ex]H_1: \sigma^2> \sigma_0 \ \color{orange}\bm{\longrightarrow}\color{black} \ \text{Si } \chi^2>\chi^2_{1-\alpha|n-1}\text{ se rechaza } H_0\\[3ex]H_1: \sigma^2< \sigma_0 \ \color{orange}\bm{\longrightarrow}\color{black} \ \text{Si } \chi^2<\chi^2_{\alpha|n-1}\text{ se rechaza } H_0\end{array}

方差的临界假设检验值是从卡方分布表中获得的。请注意,卡方分布的自由度是样本大小减 1。

添加评论

您的电子邮箱地址不会被公开。 必填项已用*标注