假设检验在统计学中的应用

假设检验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
沪ICP备2024098111号-1
上海秋旦网络科技中心:上海市奉贤区金大公路8218号1幢 联系电话:17898875485