• 基础：小概率原理即一般认为尛概率事件在一次随机抽样中不会发生。
• 基本思想：先建立一个关于样本所属总体的假设考察在假设条件下随机样本的特征信息是否属尛概率事件，若为小概率事件则怀疑假设成立有悖于该样本所提供特征信息，因此拒绝假设
• 事实上小概率事件在随机抽样中还是可能發生的，只是发生的概率很小若正好碰上了，则假设假设检验的基本步骤是的结论就是错误的当然，犯这种错误的概率很小

根据统計推断的目的而提出的对总体特征的假设。统计学中的假设有两方面的内容：

0 H1?后者的意义在于当$0_{}$H0?被拒绝时供采用。两者是互斥的非此即彼。
$0_{}{0}_{}{0}_{}$
0
H0?时的最大允许误差的概率假设检验的基本步骤是水准(size of test)，常用 $$α表示是指假设检验的基本步骤是假设$0_{}$H0?本来是成立的，而根据样本信息拒绝$0_{}$H0?的可能性大小的度量换言之， $$α是拒绝了实际上成立的$0_{}$α= 0.05其意义是：在所设$0_{}$H0?的总体中随机抽得一个样本，其均數比手头样本均数更偏离总体均数的概率不超过5%

三、计算假设检验的基本步骤是统计量和P值

• 实际上在此之前还有一步叫做进行试验所需嘚样本数据即从此得来
• 统计量只是工具，概率值才是目的它可以客观衡量样本对假设总体偏离程度

  0 H0?假设的总体中抽出现有样本（及更極端情况）的概率，即$$

• 该统计量应当服从某种已知分布从而可以计算出$$
• 各种假设检验的基本步骤是方法所利用的分布及计算原理不同，從而假设检验的基本步骤是统计量也不同
• 初学者往往本末倒置很认真地在学工具，却忘记了统计学的本质是思维方式

• 按照事先确定的假設检验的基本步骤是水准$$P值并按小概率原理认定对$0_{}$H0?的取舍，作出推断结论

0 H0?假设的总体情况出现了小概率事件则拒绝$0_{}$H1?，可以认为樣本与总体的差别不仅仅是抽样误差造成的可能存在本质上的差别，属“非偶然的(significant)”因此，可以认为两者的差别有统计学意义 进一步根据样本信息引申，得出实用性的结论 0 H0?出现了很常见的事件


• 本身就保留了犯错误的可能性
• 样本量导致的假设检验的基本步骤是效能问題
• 样本量太小导致假设检验的基本步骤是效能不足，从而无法检出可能存在的差异
• 样本量太大得出的有统计学意义的结论可能根本就沒有实际意义

发布了51 篇原创文章 · 获赞 19 · 访问量 2万+