跳转至

第 7 章   假设检验

假设检验

Abstract

假设检验是统计推断的另一大支柱——它回答的问题是「数据是否支持我的猜想？」。从新药的临床试验到互联网公司的 A/B 测试，假设检验无处不在。

本章将从假设检验的核心思想出发，介绍 Z 检验、t 检验、卡方检验等具体方法，深入理解 P 值、显著性水平和两类错误的含义。

本章封面设计说明
假设检验核心概念图
        ---------------------
        H0: 无效应 / 无差异
        H1: 有效应 / 有差异
        ---------------------

           正态分布 (或 t 分布)
                 ^ 频率 / 概率密度
                 |
                 |       拒绝域 (α)
                 |      /  (拒绝 H0)
                 |     /
                 |    /
                 |   /
                 |  /
                 | /
                 |/
        ---------+---------------------
       /         |         \
      /          |          \
     /           |           \
    /            |            \
   /             |             \
  /              |              \
 /               |               \
<----------------|-----------------> 检验统计量 (e.g., Z, t)
   接受域 (1-α)  |   临界值
   (不拒绝 H0)   |
                 |   P值: 观察到更极端结果的概率
                 |   如果 P值 < α, 则拒绝 H0
                 |
                 |   第一类错误 (α): 错误地拒绝 H0
                 |   第二类错误 (β): 错误地接受 H0
                 |   功效 (1-β): 正确地拒绝 H0
本章核心概念概览

本章内容