- 统计教程
- 家
- 调整后的 R 平方
- 方差分析
- 算术平均值
- 算术中位数
- 算术模式
- 算术范围
- 条状图
- 最佳点估计
- 贝塔分布
- 二项分布
- 布莱克-斯科尔斯模型
- 箱线图
- 中心极限定理
- 切比雪夫定理
- 卡方分布
- 卡方表
- 循环排列
- 整群抽样
- 科恩卡帕系数
- 组合
- 与替换组合
- 比较图
- 连续均匀分布
- 连续级数算术平均值
- 连续级数算术中位数
- 连续级数运算模式
- 累积频率
- 变异系数
- 相关系数
- 累计地块
- 累积泊松分布
- 数据采集
- 数据收集 - 问卷设计
- 数据收集-观察
- 数据收集-案例研究方法
- 数据模式
- 十分位数统计
- 离散级数算术平均值
- 离散级数算术中位数
- 离散级数运算模式
- 点图
- 指数分布
- F分布
- F测试台
- 阶乘
- 频率分布
- 伽玛分布
- 几何平均数
- 几何概率分布
- 拟合优度
- 中庸之道
- 甘贝尔分布
- 调和平均值
- 谐波数
- 谐波共振频率
- 直方图
- 超几何分布
- 假设检验
- 个别系列算术平均值
- 个别系列算术中位数
- 个别系列运算模式
- 区间估计
- 逆伽玛分布
- 柯尔莫哥洛夫斯米尔诺夫检验
- 峰度
- 拉普拉斯分布
- 线性回归
- 对数伽玛分布
- 逻辑回归
- 麦克尼马尔测试
- 平均偏差
- 均值差异
- 多项式分布
- 负二项分布
- 正态分布
- 奇数和偶数排列
- 一比例 Z 检验
- 异常值函数
- 排列
- 置换置换
- 饼形图
- 泊松分布
- 合并方差 (r)
- 功率计算器
- 可能性
- 概率加性定理
- 概率倍数定理
- 概率贝叶斯定理
- 概率密度函数
- 过程能力 (Cp) 和过程性能 (Pp)
- 过程西格玛
- 二次回归方程
- 定性数据与定量数据
- 四分位数偏差
- 范围经验法则
- 瑞利分布
- 回归截距置信区间
- 相对标准偏差
- 可靠性系数
- 所需样本量
- 残差分析
- 残差平方和
- 均方根
- 样品策划
- 取样方式
- 散点图
- 香农维纳多样性指数
- 信噪比
- 简单随机抽样
- 偏度
- 标准差
- 标准误差 (SE)
- 标准普通表
- 统计学意义
- 统计公式
- 统计符号
- 茎叶图
- 分层抽样
- 学生 T 检验
- 平方和
- T-分布表
- Ti 83 指数回归
- 转换
- 截尾均值
- I 型和 II 型错误
- 方差
- 维恩图
- 弱大数定律
- Z工作台
- 统计有用资源
- 统计 - 讨论
统计 - 假设检验
统计假设是对总体的假设,该假设可能正确也可能不正确。假设检验是统计学家用来接受或拒绝统计假设的一组正式程序。统计假设有两种类型:
零假设 ${H_0}$ - 表示机会基础的假设。
替代假设 ${H_a}$ - 表示受某些非随机原因影响的观察假设。
例子
假设我们想检查一枚硬币是否公平和平衡。零假设可能会说,一半的翻转将是正面,一半的翻转将是反面,而替代假设可能会说,正面和反面的翻转可能非常不同。
$ H_0: P = 0.5 \\[7pt] H_a: P \ne 0.5 $
例如,如果我们抛硬币 50 次,结果是 40 次正面和 10 次反面。使用结果,我们需要拒绝零假设,并根据证据得出结论,硬币可能不公平和平衡。
假设检验
统计学家使用以下正式流程根据样本数据确定是否拒绝原假设。这个过程称为假设检验,由以下四个步骤组成:
陈述假设- 此步骤涉及陈述原假设和替代假设。这些假设应该以相互排斥的方式陈述。如果其中一个为真,则其他一定为假。
制定分析计划- 分析计划是描述如何使用样本数据来评估原假设。评估过程侧重于单个测试统计量。
分析样本数据- 查找分析计划中规定的检验统计量的值(使用平均得分、比例、t 统计量、z 得分等属性)。
解释结果- 应用分析计划中所述的决定。如果根据原假设检验统计量的值不太可能出现,则拒绝原假设。