小白学统计(44)假设检验原理:两类错误

在进行假设检验时,一般按以下四个步骤顺序进行:1、根据问题建立原假设和备择假设;2、选择适当的样本统计量,并确定以H0为真时的抽样分布;3、选定显著性水平α,确定临界值;4、进行判别,得出结论。

理想的假设检验是当H0是正确的假设时,能够判别为接受。当H0是不正确的假设时,能够判别为拒绝。但是,在由样本统计量数据判断总体参数时,由于样本数据具有随机性,因此在判别时,就可能有四种结果出现:
1、H0为真但判别为拒绝,此类错误为“弃真”错误,即将真的当成假的,也称为第一类错误。
2、H0为真并被接受,这是正确的判别。
3、H0为假并被拒绝,这是正确的判别。
4、H0为假并被接受,此类错误称为“取伪”错误,即将假的当成真的,也称为第二类错误。

小白学统计(44)假设检验原理:两类错误

由上表可以看到,当检验结果拒绝原假设时,判断可能是正确的,也有可能是“弃真”错误。虽然不能判断犯“弃真”错误的概率有多大,但是由前述知道,拒绝域的概率为α。因此,在假设检验中,犯“弃真”错误的概率的最大值就是给定的显著性水平α。

当检验结果接受原假设H0时,判别可能是正确的,也有可能犯“取伪”错误。通常用β表示犯“取伪”错误的概率,β的概率是由真正的总体参数的分布所决定的。在假设检验中,由于真实总体参数值不可知,因此,β的概率值也不可知。

所以在检验中,如果结论是拒绝H0,接受H1,那么犯错误的概率很小(α)。但是如果结论是接受H0,拒绝H1,则犯错误的概率(β)是不可知。从这一点来看,所谓接受H0,实质是不能拒绝H0,即在没有足够证据证明情况下只能接受。

虽然β在检验时是未知的,但对于一个固定的总体来说,当给定α以后,β的数值也就随之确定,如下图:

小白学统计(44)假设检验原理:两类错误

当真实总体均值为μ1时,却假设总体均值为μ0,(μ1>μ0)。如果样本数据落入α区域,则结论是正确的,即拒绝μ0。如果样本数据落入接受域,就会接受原假设μ0,这就犯了“取伪”错误。这时样本数据落入接受域的概率并不是1-α,而是β,因为样本是从真实总体μ1中抽取的,样本是服从μ1的分布。从上图还可以看出,当α增大时,β就会减小;当α减小时,β就会正大。所以,在假设检验中通常只控制α的数值,通过α的取值大小来控制在检验中犯“弃真”或是“取伪”错误的概率。通常这种只对α的检验被称为显著性检验。

在进行假设检验时,一般按以下四个步骤顺序进行。
1、根据问题建立原假设和备择假设;
2、选择适当的样本统计量,并确定以H0为真时的抽样分布;
3、选定显著性水平α,确定临界值;
4、进行判别,得出结论。

本文采用「CC BY-SA 4.0 CN」协议转载自互联网、仅供学习交流,内容版权归原作者所有,如涉作品、版权和其他问题请给「我们」留言处理。

(1)
生活统计学的头像生活统计学专栏
上一篇 2016-09-20 07:00
下一篇 2016-09-22 07:03

相关文章

  • 小白学统计(39)抽样分布:卡方分布

    基础准备 之前已经具体介绍了不同已知条件下用样本均值来估计总体均值的方法: 小白学统计(32)估计理论:详述总体均值的单样本估计原理 小白学统计(35)不同条件的总体均值单样本估计方法总述 回顾总体均值的单样本估计,根据不同已知条件,可以对样本的抽样分布运用标准正态变换、t分布或切比雪夫(Chebyshev)不等式进行总体均值的估计。 那如何用样本方差(标准…

    2016-09-16
    0
  • 关于数据科学历史的新手指南

    尽管很多数据科学的支持者已经拿起大数据作为武器,并且提出新的主张和挑战,但是关于数据科学你还需要了解一些名字和日期。

    2016-08-22
    0
  • 美国统计学研究方向与国内有什么区别?

    美国统计学研究方向有哪些?与国内有何区别?

    2016-05-19
    0
  • 假设检验中几个常见的基本概念

    1. 假设检验 假设检验就是先对总体的参数或作出某种假设, 然后用适当的方法根据样本对总体提供的信息,推断此假设应当拒绝或接受。其结果将有助于研究者作出具,采取措施。 2. 原假设(零假设)焊择假设(对立假设) 原假设:根据检验结果准备予以拒绝或接受的假设,以H0表示;备择假设:与原假设不相容(即对立)的假设,以H1表示。如:对总体随机变量X的均数μ不小于一…

    2015-11-21
    0
  • 数据科学的统计学入门

    统计学是门严肃的学科,很多人穷尽一生来学习研究它。

    2016-03-03
    0
关注我们
关注我们
分享本页
返回顶部