假设是关于给定问题的陈述。假设检验是一种统计方法,可用于使用实验数据做出统计决策。假设检验基本上是我们对总体参数所做的假设。它评估有关总体的两个互斥语句,以确定样本数据最能支持哪种语句。
例子:
您说班上的普通学生是30岁,或者男孩比女孩高。所有这些都是我们假设或需要某种统计方法来证明这些的示例。无论我们假设是正确的,我们都需要一些数学结论。
需要进行假设检验
假设检验是统计中的重要程序。假设检验评估两个互斥的总体陈述,以确定哪个陈述最受样本数据支持。当我们说调查结果具有统计意义时,这要归功于假设检验。
假设检验的参数
- 零假设(H0):在统计中,零假设是一般的给定陈述或默认位置,即两个测得的案例之间没有关系或组之间没有关系。
换句话说,它是一个基本的假设或基于问题知识而做出的。
例如:某公司的产量为= 50单位/天,以此类推。 - 替代假设(H1):替代假设是假设检验中使用的假设,它与原假设相反。
示例:某公司的产量不等于每天50个单位,等等。 - 重要程度
它是指我们接受或拒绝原假设的重要程度。接受假设不可能达到100%的准确度,因此,我们选择的显着性水平通常为5%。通常用通常为0.05或5%,这意味着您的输出应该有95%的信心在每个样本中给出相似的结果。 - P值
P值或计算出的概率是当给定问题的研究的原假设(H0)为真时找到观察到的/极端结果的概率。如果您的P值小于选定的显着性水平,则您拒绝原假设,即接受您的样本主张支持替代假设。
例子 :
给定一枚硬币,不知道这是公平的还是棘手的,所以让我们决定零假设和替代假设
- 零假设(H0):硬币是公平的硬币。
- 替代假设(H1):硬币是一个棘手的硬币。
- =
现在,让我们抛硬币并计算p值(概率值)。
- 第一次掷硬币,并假设结果为正面-P值= (因为头和尾具有相等的概率)
- 第二次掷硬币并再次假设结果是正面,现在p值=
同样,我们连续抛掷6次,得到全数结果,现在P值=
但是我们将重要度设置为我们允许的错误率,在这里我们看到我们已经超出了这个水平,即我们的零假设并不成立,因此我们需要拒绝并提出这枚硬币是一个棘手的硬币,这实际上是因为它给了我们连续6个头。
假设检验中的错误
- 类型I错误:当我们拒绝原假设时,尽管该假设是正确的。 I型错误由alpha表示。
- II型错误:当我们接受原假设时,它是错误的。 II型错误由beta表示。