假设检验
此条目需要精通或熟悉数学的编者参与及协助编辑。 (2012年12月18日) |
假说检定(英语:hypothesis testing)是推论统计中用于检验现有数据是否足以支持特定假设的方法。[1]一旦能估计未知母数,就会希望根据结果对未知的真正母数值做出适当的推论。
![](http://upload.wikimedia.org/wikipedia/commons/thumb/c/ca/Null_and_alternative_distribution.jpg/220px-Null_and_alternative_distribution.jpg)
欲检验统计上假设的正确性的为虚无假说(Null hypothesis,记为),虚无假设通常由研究者决定,反映研究者对未知参数的看法。相对于虚无假说的其他有关参数之论述是对立假说(Alternative hypothesis,记为或),它通常反应了执行检定的研究者对母数可能数值的另一种(对立的)看法(换句话说,对立假说通常才是研究者最想证明的)。
说明
编辑假设检定的过程,可以用法庭的审理来说明。先想像现在法庭上有一名被告,假设该被告是清白的,而检察官必须要提出足够的证据去证明被告的确有罪。
在证明被告有罪前,被告是被假设为清白的。
而检察官提出的证据,是否足以确定该被告有罪,则要经过检验。这样子的检验过程就相当于用T检定或Z检定去检视研究者所搜集到的统计资料。
检定过程
编辑在统计学的文献中,假设检验发挥了重要作用。假设检验大致有如下步骤:
- 最初研究假设为真相不明。
- 提出相关的虚无假说和对立假说。
- 考虑检验中对样本做出的统计假设;例如,关于母体资料的分布形式或关于独立性的假设。无效的假设将意味此检定的结果是无效的。
- 选择一个显著水准(α),若低于这个概率阈值,就拒绝零假设。最常用的是5%和1%。
- 选择适合的检验统计量(Test statistic)T。
- 在设定虚无假说为真下推导检验统计量的分布。在标准情况下应该会得出一个熟知的结果。比如检验统计量可能会符合常态分布或司徒顿t分布。
- 根据在零假设成立时的检定统计量T分布,找到机率为显著水准 (α)的区域,此区域称为“拒绝域”(记作RR或CR),即在零假设成立的前提下,落在拒绝域的机率只有α。
- 针对检定统计量T,根据样本计算其估计值tobs。
- 若估计值tobs未落在拒绝域,则“不拒绝”虚无假说(do no reject )。若估计值tobs落在拒绝域,则拒绝零假设,接受对立假说。
要注意的是一般不会将检定结果称作“接受”虚无假说,而是因没有显著证据证明虚无假说为非,所以“不拒绝”虚无假说。
例子
编辑女士品茶是一个有关假设检定的著名例子[2]。统计学家费雪的一个女同事,也是藻类学家的缪丽·布里斯托尔,她声称可以判断在奶茶中是先加入茶还是先加入牛奶。费雪提议给她八杯奶茶。缪丽已知其中四杯先加茶,四杯先加牛奶,但随机排列,而她要说出这八杯奶茶中,哪些先加牛奶,哪些先加茶,检验统计量是确认正确的次数。零假设是她无法判断奶茶中的茶先加入还是牛奶先加入,对立假说为她有此能力。
若单纯以机率考虑(即缪丽没有判断的能力)下,八杯都正确的机率为1/70(因为8选4的组合数是70),约1.43%,因此“拒绝域”为八杯的结果都正确。而测试结果为缪丽八杯的结果都正确[3],在统计上是相当显著的的结果。也就是说,几乎可以排除她只是恰好猜对结果的可能。
相关条目
编辑参考文献
编辑- ^ Stuart A., Ord K., Arnold S. (1999), Kendall's Advanced Theory of Statistics: Volume 2A—Classical Inference & the Linear Model (Edward Arnold) §20.2.
- ^ Fisher, Sir Ronald A. Mathematics of a Lady Tasting Tea. James Roy Newman (编). The World of Mathematics, volume 3 [Design of Experiments]. Courier Dover Publications. 1956 [1935]. ISBN 978-0-486-41151-4. Originally from Fisher's book Design of Experiments.
- ^ Box, Joan Fisher. R.A. Fisher, The Life of a Scientist. New York: Wiley. 1978: 134. ISBN 0-471-09300-9.