数据分析-56-深入理解假设检验的步骤和T检验的应用案例
文章目录
- 1 假设检验(Hypothesis Testing)
-
- 1.1 假设检验的步骤
-
- 1.1.1 提出假设
- 1.1.2 选择显著性水平
- 1.1.3 选择检验统计量
- 1.1.4 计算检验统计量
- 1.1.5 确定临界值或p值
- 1.2 假设检验的类型
-
- 1.2.1 单尾检验 (One-tailed test)
- 1.2.2 双尾检验 (Two-tailed test)
- 2 T检验
-
- 2.1 单样本t检验
- 2.2 独立样本t检验
- 2.3 配对样本t检验
- 3 应用案例
-
- 3.1 单样本T检验
- 3.2 独立样本T检验
- 4 参考附录
1 假设检验(Hypothesis Testing)
假设检验(Hypothesis Testing)是统计学中一种重要的推断方法，用于基于样本数据对总体特征作出判断。
假设检验的目的是通过样本数据来验证或拒绝一个关于总体参数的假设。它广泛应用于医学研究、社会科学、市场分析等领域。
1.1 假设检验的步骤
1.1.1 提出假设
假设检验从提出两个对立的假设开始。
(1)原假设(H0)
原假设通常是指没有效应或差异的假设。
例如，假设某个药物对病人的治疗效果与安慰剂相同。
(2)备择假设(H1)
是原假设的对立面，通常表示“有差异”或“有效果”。
例如，药物确实对病人有治疗效果。
1.1.2 选择显著性水平
显著性水平(alpha)是判断原假设是否成立的标准。
它定义了拒绝原假设时的错误概率。
常见的显著性水平为0.05，即接受有5%的概率错误地拒绝原假设。