假设检验的 4 个现实例子
为了进行现实世界的假设检验，研究人员将获得总体的随机样本，并使用零假设和备择假设对样本数据进行假设检验：
- 零假设 (H 0 )：样本数据仅来自偶然。
- 备择假设 ( HA )：样本数据受到非随机原因的影响。
如果假设检验的p 值低于一定的显着性水平（例如 α = 0.05），那么我们可以拒绝原假设并得出结论：我们有足够的证据表明备择假设为真。
以下示例显示了在现实世界中使用假设检验的几种情况。
示例 1：生物学
假设检验经常在生物学中用于确定新的处理方法、肥料、农药、化学品等是否有效。导致生长、耐力、免疫力等的增加。在植物或动物中。
例如，假设生物学家认为某种肥料会使植物在一个月内比平时长得更多，目前长高为 20 英寸。为了测试这一点，她对实验室中的每株植物施了一个月的肥料。
然后，她使用以下假设进行假设检验：
- H 0 : μ = 20 英寸（肥料对植物平均生长没有影响）
- H A : μ > 20 英寸（肥料将导致植物生长平均增加）
如果检验的 p 值低于一定的显着性水平（例如 α = 0.05），则可以拒绝原假设并得出结论：肥料导致植物生长加快。
实施例2：临床试验
假设检验经常用于临床试验，以确定新的治疗方法、药物、程序等是否有效。带来更好的患者治疗效果。
例如，假设医生认为一种新药能够降低肥胖患者的血压。为了测试这一点，他将能够测量 40 名患者使用新药前后一个月的血压。
然后，它使用以下假设执行假设检验：
- H 0 ： μ后=μ前（用药前后平均血压相同）
- H A : μ后< μ前（使用药物后平均血压较低）
如果检验的 p 值低于某个显着性水平（例如 α = 0.05），则可以拒绝原假设并得出新药导致血压降低的结论。
例3：广告费
假设检验经常在商业中用于确定新的广告活动、营销技巧等是否有效。将工作。导致销量增加。
例如，假设一家公司认为在数字广告上投入更多资金可以增加销售额。为了测试这一点，该公司可以在两个月内增加数字广告支出，并收集数据以查看整体销售额是否有所增加。
他们可以使用以下假设进行假设检验：
- H 0 : μ after = μ before （广告支出增加前后平均销售额相同）
- H A : μ之后> μ之前（在广告支出增加后平均销售额增加）
如果检验的 p 值低于一定的显着性水平（例如 α = 0.05），则公司可以拒绝零假设并得出结论：数字广告的增加会导致销售额的增加。
示例 4：制造
制造工厂也经常使用假设检验来确定新工艺、技术、方法等是否可行。导致生产的缺陷产品数量发生变化。
例如，假设某个制造工厂想要测试一种新方法是否改变了每月生产的缺陷部件的数量（目前为 250 个）。为了测试这一点，它可以测量使用前后生产的缺陷部件的平均数量。新方法一个月。
然后他们可以使用以下假设进行假设检验：
- H 0 : μ after = μ before （使用新方法前后平均缺陷部件数相同）
- H A : μ after ≠ μ before (使用新方法之前和之后生产的缺陷部件的平均数量不同)
如果检验的 p 值低于一定的显着性水平（例如 α = 0.05），则工厂可以拒绝零假设并得出结论：新方法导致按月生产的缺陷部件数量发生变化。
其他资源
关于作者
本杰明·安德森博
大家好，我是本杰明，一位退休的统计学教授，后来成为 Statorials 的热心教师。 凭借在统计领域的丰富经验和专业知识，我渴望分享我的知识，通过 Statorials 增强学生的能力。了解更多