欢迎关注天山智能hellobi.com。我们是一个专注于商业智能、大数据和数据分析的垂直社区。学习、问答、求职一站搞定!
天山学院svip包括Excel BI、Python爬虫案例、Python机器学习、Python数据科学家、大数据、数据分析报告、数据分析师系统、深度学习、R语言案例10套课程在报名中流行,全场五折优惠。欢迎大家关注www.hellobi.com/svip
第二个假设叫做假说,也叫H2。假设这两个群体之间存在显著差异。
之后,我们可以构建一个与此相关的统计。如果统计量非常大(即已经超过某个临界值),我们可以认为这种差异不仅仅是采样误差造成的,因此可以拒绝原假设,认为两个总体之间存在显著差异。
值得注意的是,假设检验是一种“小概率反证”的思想。即在原假设前提下,一个小概率事件不太可能在一次测试中发生。如果发生,原假设被认为无效。
这里,小概率事件的阈值
我们称之为检验等级,我们通常采用
,即发生概率小于0.05的事件称为小概率事件。相反,假设检验中不排斥原假设,并不意味着完全接受原假设。只是说明样本数据的“证据”不足,暂时不排斥原假设。
;
2.选择假设检验方法并计算检验统计量
根据研究分析的目的和数据类型,确定试验方法。常用的检验方法有Z检验、T检验、卡方检验等。
在这种情况下,我们属于单样本检验,我们知道总体的均值和方差,所以可以经常使用Z检验。在原假设的前提下,可以采用以下z统计量:
另外,在某些情况下,因为不知道总体方差,所以可以用t检验代替:
3.判断临界值并做出结论
因为
对应于阈值的
。因为
因此,我们可以拒绝原来的假设,认为2017年大学毕业生的平均工资与2016年有显著差异。
此外,除了通过计算测试统计量是否超过临界值来判断之外,还可以计算P值。p值的含义是原始假设成立时,检验统计的结果或根据样本计算的更极端的结果的概率。因此,当p值小于
,检验统计量大于临界值,我们可以拒绝原假设;当p值大于
,检验统计量小于临界值,我们不能拒绝原假设。特别是,如果我们的测试统计数据正好等于临界值,那么我们的P值将正好等于
。关于P值的计算,我们一般可以通过SPSS得到。
近期热门文章精选(点击标题阅读):
1.这些东西的统计挖掘:分层抽样和交叉验证
2.干货教程|可能是最方便易用的文字云工具
3.机器学习算法亮点:从贝叶斯到深度学习及其各自的优缺点
4.(理论+案例)如何通俗的理解最大似然估计?
5.关于偏斜度和峰度的一些探讨
1.《假设检验的基本步骤 如何通俗地理解假设检验基本原理》援引自互联网,旨在传递更多网络信息知识,仅代表作者本人观点,与本网站无关,侵删请联系页脚下方联系方式。
2.《假设检验的基本步骤 如何通俗地理解假设检验基本原理》仅供读者参考,本网站未对该内容进行证实,对其原创性、真实性、完整性、及时性不作任何保证。
3.文章转载时请保留本站内容来源地址,https://www.lu-xu.com/keji/1151259.html