對於原假設提出的命題，我們需要做出判斷，這種判斷可以用「原假設正確」或「原假設錯誤」來表述。當然這是依據樣本提供的資訊進行判斷的，也就是說由部分來推斷總體。因而判斷有可能正確，也有可能不正確，也就說我們面臨著犯錯誤的可能。所犯的錯誤有兩種型別，一類錯誤是原假設h0為真卻被我們拒絕了，犯這種錯誤的概率用α表示，所以也稱α錯誤，或棄真錯誤；另一類錯誤是原假設為偽我們卻沒有拒絕，犯這種錯誤的概率用β表示，所以也稱β錯誤，或取偽錯誤。
假設檢驗的一般流程如下：
首先提出原假設和備擇假設。
接下來，需要確定適當的檢驗統計量，並計算其數值。
利用p值進行決策
前面進行檢驗的程式是根據檢驗統計量落入的區域做出是否拒絕原假設的決策。在確定α以後，拒絕域的位置也就相應確定了，其好處是進行決策的界限清晰，但弱點是進行決策面臨的風險是籠統的。p值是經過計算得到的，p值的大小取決於三個因素，乙個是樣本資料與原假設之間的差異，另乙個是樣本量，再乙個是被假設引數的總體分布。
p值的長處是它反映了觀察到的實際資料與原假設之間不一致的概率值，與傳統的拒絕域範圍相比，p是乙個具體的值，這樣就提供了更多的資訊。我們也可以使用p值，按照我們所需要的顯著水平進行判斷和決策。
乙個引數的檢驗：
根據假設檢驗的不同內容和進行檢驗的不同條件，需要採用不同的檢驗統計量，在乙個總體引數的檢驗中，用到的檢驗統計量主要有三個：z統計量，t統計量，
兩個引數的檢驗：
兩個總體引數檢驗的主要內容有：兩個總體均值之差的檢驗，兩個總體比例之差的檢驗，兩個總體方差之比的檢驗。與乙個引數的檢驗討論的問題類似，兩個總體引數的檢驗也涉及檢驗統計量的選擇問題。也和乙個引數類似。
統計學的假設檢驗
假設檢驗是一種規則，它根據資料樣本所提供的證據，指定是肯定還是否定有關總體的宣告。基本原理是先對總體的特徵作出某種假設，然後通過抽樣研究的統計推理，對此假設應該被拒絕還是接受作出推斷。假設檢驗的基本思想是小概率反證法思想。小概率思想是指小概率事件 p 0.01或p 0.05 在一次試驗中基本上不會發...
統計學03 假設檢驗
假設檢驗本質是一種逆向思維的應用。用大白話講，就是假如你想證明自己能辦成一件事，可以先假設你辦不成這件事，通過證明辦不成這件事發生的概率非常小來論證這件事是可以辦成的。在統計學中，這個辦不成這件事的假設被稱為零假設，記為h 0h 0 h0 而你辦成這件事的假設 在事實發生之前同樣是假設 被稱為備擇假...
統計學的假設檢驗
上次寫了統計學裡面的置信度與置信區間以後，文章反響還不錯，這次再來試著寫寫統計學裡面的假設檢驗。假設檢驗的核心其實就是反證法。反證法是數學中的乙個概念，就是你要證明乙個結論是正確的，那麼先假設這個結論是錯誤的，然後以這個結論是錯誤的為前提條件進行推理，推理出來的結果與假設條件矛盾，這個時候就說明這個...