么是小概率的标准。这要看具体应用的需要。但在一般的统计书 和软件中,使用最多的标准是在零假设下(或零假设正确时)抽 样所得的数据拒绝零假设的概率应小于0.05(也可能是0.01,0.005, 0.001等等)。
9
假设检验的过程和逻辑
这种事先规定的概率称为显著性水平(significant level),用字
如果小概率事件发生,是相信零假设,还是相信数据呢?当然 是相信数据。于是就拒绝零假设。但事件概率小并不意味着不 会发生,仅仅发生的概率很小罢了。拒绝正确零假设的错误常 被称为第一类错误(type I err有第一类错误,还有第二类错误;那是备选零假设 正确时反而说零假设正确的错误,称为第二类错误(type II error)。如要“接受零假设”就必须给出第二类错误的概率. 但对于目前面对的问题, 无法计算它.
4
假设检验的过程和逻辑
注意:零假设和备选假设在我们涉及的假设检验中并不对称。 检验统计量的分布是从零假设导出的, 因此, 如果有矛盾, 当然 就不利于零假设了。 不发生矛盾也不说明备选假有问题。
5
假设检验的过程和逻辑
检验统计量在零假设下,这个样本的数据实现值的概率称为
p-值(p-value)。显然得到很小p-值意味着小概率事件发生了。
假设检验
在假设检验中,一般要设立一个原假设;而设立该 假设的动机主要是企图利用人们掌握的反映现实世界的 数据来找出假设和现实的矛盾,从而否定这个假设。
1
假设检验
在多数统计教科书中(除了理论探讨之外),假设检验都是以 否定原假设为目标。如否定不了,那就说明证据不足,无法否定原 假设。但这不能说明原假设正确。
和临界值的大小。
13
假设检验的过程和逻辑
使用临界值而不是p-值来判断拒绝与否是前计算机时代的产 物。当时计算p-值不易,只有采用临界值的概念。但从给定的a