如何选择适当的假设检定方法

⑴ 如何确定假设检验的方法

统计学中假设检验的基本步骤： 1.建立假设，确定检验水准α 假设有零假设（H0）和备择假设（H1）两个，零假设又叫作无效假设或检验假设。H0和H1的关系是互相对立的，如果拒绝H0，就要接受H1，根据备择假设不同，假设检验有单、双侧检验两种。 检验水准用α表示，通常取0.05或0.10，检验水准说明了该检验犯第一类错误的概率。 2.根据研究目的和设计类型选择适合的检验方法 这里的检验方法，是指参数检验方法，有u检验、t检验和方差分析三种，对应于不同的检验公式。对双样本资料，要注意区分成组设计和配对设计的资料类型。如果资料里有"配成对子"字样，或者是对同一对象用两种方法来处理，一般就可以判定是配对设计资料。 3.确定P值并作出统计结论 u检验得到的是u统计量或称u值，t检验得到的是t统计量或称t值。方差分析得到的是F统计量或称F值。将求得的统计量绝对值与界值相比，可以确定P值。 当α＝0.05时，u值要和u界值1.96相比较，确定P值。如果u＜1.96，则P＞0.05.反之，如u＞1.96，则P＜0.05.t值要和某自由度的t界值相比较，确定P值。如果t值＜t界值，故P＞0.05.反之，如t＞t界值，则P＜0.05。 相同自由度的情况下，单侧检验的t界值要小于双侧检验的t界值，因此有可能出现算得的t值大于单侧t界值，而小于双侧t界值的情况，即单侧检验显着，双侧检验未必就显着，反之，双侧检验显着，单侧检验必然会显着。即单侧检验更容易出现阳性结论。 当P＞0.05时，接受零假设，认为差异无统计学意义，或者说二者不存在质的区别。当P＜0.05时，拒绝零假设，接受备择假设，认为差异有统计学意义，也可以理解为二者存在质的区别。但即使检验结果是P＜0.01甚至P＜0.001，都不说明差异相差很大，只表示更有把握认为二者存在差异。

⑵ 如何验证假设

统计学中假设检验的基本步骤：1.建立假设,确定检验水准α假设有零假设（H0）和备择假设（H1）两个,零假设又叫作无效假设或检验假设.H0和H1的关系是互相对立的,如果拒绝H0,就要接受H1,根据备择假设不同,假设检验有单、双侧检验两种.检验水准用α表示,通常取0.05或0.10,检验水准说明了该检验犯第一类错误的概率.
2.根据研究目的和设计类型选择适合的检验方法这里的检验方法,是指参数检验方法,有u检验、t检验和方差分析三种,对应于不同的检验公式.对双样本资料,要注意区分成组设计和配对设计的资料类型.如果资料里有"配成对子"字样,或者是对同一对象用两种方法来处理,一般就可以判定是配对设计资料.
3.确定P值并作出统计结论u检验得到的是u统计量或称u值,t检验得到的是t统计量或称t值.方差分析得到的是F统计量或称F值.将求得的统计量绝对值与界值相比,可以确定P值.

⑶ 假设检验的三种方法

您好。常用的假设检验方法有u—检验法、t检验法、χ2检验法(卡方检验)、F—检验法，秩和检验等。

⑷ 统计学假设检验有几种方法具体是什么

一两句话说不完:
假设检验就是根据样本，适当构造一个统计量，按照某种规则，决定是接受 H0( 拒绝H1 )还是拒绝 H0( 接受H1 )，所使用的统计量称为检验统计量．
分双边检验与单边检验.
参考
http://www.ncit.e.cn/yysx/ktz/shuxue/admin/upload/files/8.doc
http://dec3.jlu.e.cn/webcourse/t000133/esource/dzja/p08.ppt

⑸ 如何确定假设检验的方法

什么是假设检验：假设检验(hypothesis
testing)是数理统计学中根据一定假设条件由样本推断总体的一种方法。具体作法是：根据问题的需要对所研究的总体作某种假设，记作h0；选取合适的统计量，这个统计量的选取要使得在假设h0成立时，其分布为已知；由实测的样本，计算出统计量的值，并根据预先给定的显着性水平进行检验，作出拒绝或接受假设h0的判断。常用的假设检验方法有u—检验法、t检验法、χ2检验法(卡方检验)、f—检验法，秩和检验等。
假设检验的基本步骤如下：
1、提出检验假设又称无效假设，符号是h0；备择假设的符号是h1。
h0：样本与总体或样本与样本间的差异是由抽样误差引起的；
h1：样本与总体或样本与样本间存在本质差异；
预先设定的检验水准为0.05；当检验假设为真，但被错误地拒绝的概率，记作α，通常取α=0.05或α=0.01。
2、选定统计方法，由样本观察值按相应的公式计算出统计量的大小，如x2值、t值等。根据资料的类型和特点，可分别选用z检验，t检验，秩和检验和卡方检验等。
3、根据统计量的大小及其分布确定检验假设成立的可能性p的大小并判断结果。若p>α，结论为按α所取水准不显着，不拒绝h0，即认为差别很可能是由于抽样误差造成的，在统计上不成立；如果p≤α，结论为按所取α水准显着，拒绝h0，接受h1，则认为此差别不大可能仅由抽样误差所致，很可能是实验因素不同造成的，故在统计上成立。p值的大小一般可通过查阅相应的界值表得到。
教学中的做法:
1.根据实际情况提出原假设和备择假设；
2.根据假设的特征，选择合适的检验统计量；
3.根据样本观察值，计算检验统计量的观察值(obs)；
4.选择许容显着性水平，并根据相应的统计量的统计分布表查出相应的临界值(ctrit)；
5.根据检验统计量观察值的位置决定原假设取舍。

⑹ 检验假设的方法

常用的假设检验的方法有以下四种: （1）Z检验。Z检验常用于总体正态分布、方差已知或独立大样本的平均数的显着性和差异的显着性检验，非正态分布的皮尔森积差相关系数和二列相关系数的显着性检验以及两个相关系数分别由两组被试得到的相关系数差异性检验等情况。 （2）t检验。t检验常用于总体正态分布、总体方差未知或独立小样本的平均数的显着性检验，平均数差异显着性检验，相关系数由同一组被试取得的相关系数差异显着性检验，非正态分布的皮尔森相关系数的显着性检验等情况。

⑺ 什么是假设检验，假设检验的基本步骤

假设检验是推论统计中用于检验统计假设的一种方法。而“统计假设”是可通过观察一组随机变量的模型进行检验的科学假说。一旦能估计未知参数，就会希望根据结果对未知的真正参数值做出适当的推论。

假设检验基本步骤：

1、提出检验假设又称无效假设，符号是H0；备择假设的符号是H1。

H0：样本与总体或样本与样本间的差异是由抽样误差引起的；

H1：样本与总体或样本与样本间存在本质差异；

预先设定的检验水准为0.05；当检验假设为真，但被错误地拒绝的概率，记作α，通常取α=0.05或α=0.01。

2、选定统计方法，由样本观察值按相应的公式计算出统计量的大小，如X2值、t值等。根据资料的类型和特点，可分别选用Z检验，T检验，秩和检验和卡方检验等。

3、根据统计量的大小及其分布确定检验假设成立的可能性P的大小并判断结果。若P>α，结论为按α所取水准不显着，不拒绝H0，即认为差别很可能是由于抽样误差造成的，在统计上不成立。

如果P≤α，结论为按所取α水准显着，拒绝H0，接受H1，则认为此差别不大可能仅由抽样误差所致，很可能是实验因素不同造成的，故在统计上成立。P值的大小一般可通过查阅相应的界值表得到。

教学中的做法:

1.根据实际情况提出原假设和备择假设；

2.根据假设的特征，选择合适的检验统计量；

3.根据样本观察值，计算检验统计量的观察值(obs)；

4.选择许容显着性水平，并根据相应的统计量的统计分布表查出相应的临界值(ctrit)；

5.根据检验统计量观察值的位置决定原假设取舍。

(7)如何选择适当的假设检定方法扩展阅读：

假设检验注意的问题：

1、做假设检验之前，应注意资料本身是否有可比性。

2、当差别有统计学意义时应注意这样的差别在实际应用中有无意义。

3、根据资料类型和特点选用正确的假设检验方法。

4、根据专业及经验确定是选用单侧检验还是双侧检验。

5、当检验结果为拒绝无效假设时，应注意有发生I类错误的可能性，即错误地拒绝了本身成立的H0，发生这种错误的可能性预先是知道的，即检验水准那么大。

当检验结果为不拒绝无效假设时，应注意有发生II类错误的可能性，即仍有可能错误地接受了本身就不成立的H0，发生这种错误的可能性预先是不知道的，但与样本含量和I类错误的大小有关系。

6、判断结论时不能绝对化，应注意无论接受或拒绝检验假设，都有判断错误的可能性。

7、报告结论时是应注意说明所用的统计量，检验的单双侧及P值的确切范围。

⑻ 如何确定假设检验的方法

统计学中假设检验的基本步骤：

1.建立假设，确定检验水准α

假设有零假设（H0）和备择假设（H1）两个，零假设又叫作无效假设或检验假设。H0和H1的关系是互相对立的，如果拒绝H0，就要接受H1，根据备择假设不同，假设检验有单、双侧检验两种。

检验水准用α表示，通常取0.05或0.10，检验水准说明了该检验犯第一类错误的概率。

2.根据研究目的和设计类型选择适合的检验方法

这里的检验方法，是指参数检验方法，有u检验、t检验和方差分析三种，对应于不同的检验公式。对双样本资料，要注意区分成组设计和配对设计的资料类型。如果资料里有"配成对子"字样，或者是对同一对象用两种方法来处理，一般就可以判定是配对设计资料。

3.确定P值并作出统计结论

u检验得到的是u统计量或称u值，t检验得到的是t统计量或称t值。方差分析得到的是F统计量或称F值。将求得的统计量绝对值与界值相比，可以确定P值。

当α＝0.05时，u值要和u界值1.96相比较，确定P值。如果u＜1.96，则P＞0.05.反之，如u＞1.96，则P＜0.05.t值要和某自由度的t界值相比较，确定P值。如果t值＜t界值，故P＞0.05.反之，如t＞t界值，则P＜0.05。

相同自由度的情况下，单侧检验的t界值要小于双侧检验的t界值，因此有可能出现算得的t值大于单侧t界值，而小于双侧t界值的情况，即单侧检验显着，双侧检验未必就显着，反之，双侧检验显着，单侧检验必然会显着。即单侧检验更容易出现阳性结论。

当P＞0.05时，接受零假设，认为差异无统计学意义，或者说二者不存在质的区别。当P＜0.05时，拒绝零假设，接受备择假设，认为差异有统计学意义，也可以理解为二者存在质的区别。但即使检验结果是P＜0.01甚至P＜0.001，都不说明差异相差很大，只表示更有把握认为二者存在差异。

⑼ 假设检验的思想和步骤

假设检验的基本思想是小概率反证法思想。基本依据是“小概率原理”. 所谓小概率原理就是:概率很小的随机事件在一次试验中一般不会发生. 根据这一原理,我们从H0 出发,在一定的显着性水平α下,从总体中抽取一个子样进行检验,在H0 成立的条件下,若发现“相应统计量(即随机变量) 取到此子样代入统计量后的值”是一个小概率事件,亦即小概率事件在一次试验中发生了,这与“小概率原理”矛盾,所以,此时就拒绝H0 并接受H1 ;反之,就只有被迫接受H0 .

假设检验的一般步骤
1) 根据实际问题提出原假设H0与备选假设H1，即说明需要检验的假设的具体内容；
2) 选择适当的检验统计量，并在原假设H0成立的条件下确定该统计量的分布及原H0的拒绝域的形式；
3) 按问题的具体要求，选取适当的显着性水平α，并根据统计量的分布查表，确定对应于α的临界值，求出H0的拒绝域；

我真无聊，竟然来回答数学问题 o(╯□╰)o

⑽ 简述假设检验的步骤

一、假设检验的基本思想与步骤
如何被统计学家费舍尔提出：奶茶先加茶和先加奶的口味是不同的。于是科学家有一个原假设：该女士不具备区分奶茶与茶奶的能力。假设检验的基本思想就是小概率事件不会发生，当小概率事件发生时，我们更倾向认为原假设是错误。引入问题：某牛奶生产商在其一份研究报告中声称“中国人的平均身高不高于160 厘米，因而必须喝牛奶”假设所有国人的平均身高服从正态分布N(μ，)，如何检验牛奶商关于身高的声称是否成立？
（一） 估计与假设检验的区别
上面不是一个参数估计的问题，必须采用假设检验的方法。假设检验（hypothesis testing）与参数估计（estimation）的思想是不同的。参数估计是指利用抽样数据对总体参数进行直接估计，并得出总体参数的具体估计值；而假设检验则分为假设与检验两步，先形成一个对总体参数的假设，然后再利用抽样数据判断这个假设是否成立。
上题中，参数估计是通过抽样调查部分中国人身高，计算出样本均值，并以此估计全国人的平均身高μ；而假设检验则是先形成一个命题如：“中国人的平均身高μ不高于160 厘米”，然后通过抽样数据判断该命题是否成立。
（二） 假设检验的基本思想
基本思想是“小概率事件不会发生”。假设抽样了一万人发现平均身高是180，，基本可以判断前述是错误的命题。然而如果发现均值是161时那么结论就没那么显然了，就必须利用到概率分布与显着性相关的信息。
（三） 假设检验的步骤
（1） 建立需检验的假设
（2） 选择合适的检验统计量，并确定其服从的概率分布
（3） 选择判断假设是否成立的显着性水平
（4） 给出决策准则（decision rule），即拒绝域的形式
（5） 收集数据，并计算检验统计量
（6） 做出判断
（7） 根据判断进行投资决策
二、假设检验的相关概念
（一）原假设（Null Hypothesis）与备择假设（Alternative Hypothesis）
假设检验的第一步就是建立假设。通常将被检验的假设称为原假设（null hypothesis），记为；当被拒绝时而接受的假设称为备择假设，记为或.原假设与备择假设通常成对出现。身高问题中原假设与备择假设可以用如下方式表示：

假设检验一般有两种结果：第一种是原假设“不正确”，称为拒绝（reject）原假设；第二种是原假设“正确”，称为无法拒绝（can not reject）原假设。
在建立原假设与备择假设时，有几个细节要注意：
（1） 当原假设“正确”时，一般称“无法拒绝原假设”而不是“接受原假设”，这是因为此时原假设并不是数学意义上的恒成立，而只是统计意义上的成立。
（2） 如果假设涉及不等式时，习惯将等号放在原假设
（3） 在构建原假设备择假设时，习惯将想要得到的结论放在备择假设
（二）检验统计量（Test Statistic）及其分布
在抽样样本检验原假设通常是通过一个统计量来完成的，这个统计量称为检验统计量（test statistic）。检验统计量通常服从某个概率分布，于是可以通过计算检验统计量是否超过某一关键值来判断是否拒绝原假设。在本书中，检验统计量通常以公式的形式出现：

（11.1）

如身高问题中，检验统计量就可以通过样本均值来构建。由中心极限定理，服从正态分布N(μ，/n)，按照（11.1）标准化后就服从标准正态分布。
（三）显着性水平（Significance Level）与关键值（Critical Value）
有了检验统计量后，结合显着性水平就可以计算出关键值（Critical Value）及其拒绝域（rejection region）。关键值是判断是否拒绝原假设的临界值。拒绝域是由原假设被拒绝的样本观测值所组成的区域。
在例题中，假设显着性水平为5%，的标准化后服从标准正态分布，那么检验统计量的关键值就是1.65？
根据正态分布95%置信区间对应的标准差不是1.96倍标准差吗？为啥是1.65而不是1.96，是正数而不是负数？需要涉及单尾检验与双尾检验。
（四） 双尾检验（Two-Tailed Test）与单尾检验（One-Tailed Test）
假设检验通常有三种基本形式：

其中，θ表示总体参数，θ0表示当成立时总体参数的取值。
第一种形式称为双尾检验，第二种与第三种形式称为单尾检验。无论是单尾还是双尾检验所采用的检验统计量都是相同的，差别主要体现在拒绝域上。因此，区分单尾检验与双尾检验对确定关键值（critical value）以及拒绝域（rejection region）至关重要。
（五） p值（p-value）
除了比较检验统计量与关键值，另一种判断是否拒绝原假设的方法就是p值（p-value）。p值指拒绝原假设的最小显着水平。根据p值定义，在给定显着水平α的情况下，如果p<=α，则拒绝原假设；如果p>α，则无法拒绝原假设。
例如，我们要进行显着性水平为5%的双尾检验，已知p值=2.14%，这就意味着，左侧对应的尾部面积为1.07%，即统计量绝对值大于，应该要拒绝原假设。当然，也可以利用p值进行判断，p值=2.14%<5%，因此应该要拒绝原假设。画个图：

（六） 第一类错误（Type I Error）与第二类错误（Type II Error）
虽然假设检验的基本思想是“小概率事件不会发生”，但在真实世界中小概率事件是有可能发生的。因而，我们在判断假设检验是否成立时就有可能犯错误。检验时可能犯的错误可归为两类：一是当原假设H0真实成立时，我们却拒绝了原假设，称为第一类错误，也称为“拒真概率”；二是当原假设H0不成立时，我们却接受了原假设，称为第二类错误，也称为“受伪概率”。
假设检验的两种错误：

决策

真实情形

H0正确

H0错误

没有拒绝H0

正确决策

第二类错误
（犯错概率=β）

拒绝H0接受Ha

第一类错误
（犯错概率=α）

正确决策
（概率power of test：1-β）

上表有几个关于概率的标识：通常我们将犯第一类错误的概率记为α，这里的α实际上就是假设检验中的显着性水平；犯第二类错误的概率记为β。此外，当原假设正确时接受原假设，当错误时拒绝原假设都表明决策者做出了正确的抉择没有犯错，特别的，我们将决策者不犯第二类错误的概率称为统计检验力（power of test），记为1-β
（七） 统计显着（Statistical significance）与经济显着（Economic Significance）
在利用假设检验进行金融分析时注意区别两者，许多投资策略在假设检验上能够获得正收益，然而在扣除交易费用、税收并考虑风险后就无法经济显着获得正收益。