假设检验是统计学中一个至关重要的技术，广泛应用于各个领域，包括统计、经济、制药、矿业和制造业等。经常需要通过假设检验来确定某些药物是否有效、不同群体之间是否存在差异，或者一个变量是否能够预测另一个变量。本文旨在为那些希望了解和掌握假设检验概念的人提供详细的解释，它是推断统计的一个重要组成部分。文章详细阐述了进行假设检验的五个步骤。
假设检验是一种推断统计方法，它使用样本数据来解决关于总体参数的假设（描述总体的特征）。推断统计学定义为研究统计学的主要原因，即利用样本数据对感兴趣的总体进行推断。简而言之，它是一个统计学分支，指的是样本数据能够代表从样本中获得的总体数据的概率。换句话说，它就像基于对样本的了解来推断总体的情况。例如，如果想了解国内工人的平均薪资，或者COVID对服用维生素C的人群的影响较小，或者一个制造商是否生产了相同数量的50升牛奶等许多其他例子，推断统计学都是适用的。
以下是进行假设检验的步骤的图形表示。
测试的选择基于正在寻找群体间的关系还是差异，以及是否满足特定测试的假设。然而，这一步涉及到探索性数据分析，它帮助选择进行假设检验的测试。
// 以下是一些用于比较群体差异的假设检验方法：
var tTestIndependent = "独立样本t检验";
var tTestDependent = "依赖样本t检验";
var oneSampleTTest = "单样本t检验";
var mannWhitneyUTest = "曼-惠特尼U检验";
var wilcoxonSignedRankTest = "威尔科克森符号秩检验";
var friedmanTest = "弗里德曼检验";
var repeatedMeasuresANOVA = "重复测量方差分析";
var oneWayANOVA = "单因素方差分析";
这些方法可以帮助确定样本均值是否在统计上显著不同。
在假设检验中，存在两个假设：
// 零假设（Ho）表示均值之间没有差异，任何差异都是由于偶然或随机性造成的。
// 备择假设（Ha或H1）表示一组均值将与另一组在统计上显著不同。
研究设计
这一步要求声明测试是单尾还是双尾。然后选择一个显著性水平，也称为α水平，这将帮助设置一个临界值，最常用的α水平是0.05。
在这里，检验统计量是通过手工计算的，其中测试值是使用特定测试的特定公式找到的，并与学生统计表中的临界值进行比较，或者使用软件如R、Python、SPSS、Excel、Datatab等计算检验统计量，然后计算概率值P。如果P小于α水平，则拒绝零假设。
决策基于以下规则：
// 如果计算出的检验统计量超过临界值，则测试是显著的：拒绝零假设，意味着测试在统计上显著不同。
// 如果计算出的检验统计量小于临界值，则测试不显著：未能拒绝零假设，意味着测试在统计上不显著不同。
- 步骤一：选择适当的统计方法
- 步骤二：陈述零假设和备择假设
- 步骤三：选择显著性水平
- 步骤四：计算统计量
- 步骤五：做出决策