常見假設檢驗的方法?假設檢驗是數理統計的重要内容我們在生活中經常會遇到對一個總體數據進行評估的問題，但我們又不能直接統計全部數據，這時就需要從總體中抽出一部分樣本，用樣本來估計總體情況所以通常我們需要對總體X的分布律或者未知參數作某種假設，再尋找恰當統計分析方法檢驗後做出接受或拒絕假設的決定，這就是假設檢驗總體上分為參數假設檢驗和非參數假設檢驗兩大類，現在小編就來說說關于常見假設檢驗的方法?下面内容希望能幫助到你，我們來一起看看吧!

常見假設檢驗的方法

假設檢驗是數理統計的重要内容。我們在生活中經常會遇到對一個總體數據進行評估的問題，但我們又不能直接統計全部數據，這時就需要從總體中抽出一部分樣本，用樣本來估計總體情況。所以通常我們需要對總體X的分布律或者未知參數作某種假設，再尋找恰當統計分析方法檢驗後做出接受或拒絕假設的決定，這就是假設檢驗。總體上分為參數假設檢驗和非參數假設檢驗兩大類

假設檢驗思想

假設檢驗的采用概率意義上的反證法，先提出原假設并假設為真，再根據總體的一個樣本的觀測值及小概率原理，對所提出的假設進行檢驗。

假設檢驗步驟

1.确定原假設與備擇假設

• 确定假設的準則

（1）保護原假設。如果錯誤地拒絕假設A比錯誤地拒絕假設B帶來更嚴重地後果——A選作原假設

（2）原假設為維持現狀。為解釋某些現象或效果的存在性，原假設常取否定，例如“無效果”、“無差異”等，這樣拒絕原假設表示有較強的理由支持備擇假設

（3）原假設取簡單假設。隻有一個參數（或分布）的假設稱為簡單假設。如果隻有一個假設是簡單假設，将其取為原假設

• 參數假設的形式

1）:，(左邊檢驗）

2）:，(右邊檢驗）

3）:，(雙側檢驗）

注：等号一直在原假設

2.給出檢驗統計量，并确定拒絕域W的形式

首先，拒絕域的形式與備擇假設一緻。例如對于，拒絕域的形式為W={(）：X≥C}

其次，對于C的大小與顯著性水平密切相關。

由于樣本的随機性，任一檢驗規則在應用時，都有可能發生錯誤的判斷——兩類錯誤

• 第I類錯誤：拒絕真實的原假設（棄真）

• 第II類錯誤：接受錯誤的原假設（取僞）

犯兩類錯誤的概率相互制約，所以有Neyman-Pearson原則：首先控制犯第Ⅰ類錯誤的概率不超過某個常數∈（0，1），再尋找檢驗，使得犯第Ⅱ類錯誤的概率盡可能小。稱為顯著水平，通常取0.01、0.05和0.1。（在未加說明時）

3.檢驗假設

方法一：臨界值法——根據顯著水平和檢驗統計量統計量的分布确定臨界值

常用的檢驗統計量有：一個正态總體參數的假設檢驗

①u檢驗：适用于已知時,均值的假設檢驗

~N(0,1)

②t檢驗：适用于未知時，均值的假設檢驗

~t(n-1)

其中S*是樣本方差

③檢驗：适用于未知時，方差的假設檢驗

~(n-1)

法二：P值法

P值是指當原假設成立時，檢驗統計量取比觀察到的結果更為極端的數值的概率。

P值與顯著性水平的關系：

（1）當，等價于樣本落在拒絕域内，因此拒絕原假設。

（2）當，等價于樣本不落在拒絕域内，因此不拒絕（接受）原假設，稱檢驗結果在水平下是統計不顯著。

4.做出統計決策

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!