假设检验(通俗个人理解)
2017-11-10 17:16
405 查看
和区间估计正好相反(是主动的估计)
思路:
根据样本的值,按照一定的规则(小概率原理),检验关于总体的某个假设是否能被接受
用到了一个原理:小概率事件的不可能原理(小概率事件再一次试验中几乎不会发生)
显著性(检验水平)水平:α,这里就是个小概率(也是犯第一类错误--弃真的概率)
执行步骤:
1.提出原假设、备择假设
2.取检验统计量
3.找一个小概率事件,构造拒绝域
4.根据样本值看是否落在拒绝域内,即小概率事件是否发生。
个人理解:
在接受原假设的前提下,这个统计量应该服从的一个分布,即步骤2的检验统计量会服从的一个分布,这个分布可以构造一个小概率事件,根据小概率事件,求出拒绝域,如果根据给出的样本求出来的数(这里用的样本均值)落在拒绝域里,则拒绝原假设。
这里用到了上α位分点,就是用来构造小概率事件的。
整体就是用了一个小概率反证法:
如果小概率事件发生了(这就是我们通常用的反证法找到了矛盾的地方,小概率事件本不该发生的),则我们拒绝原假设(我们可以证得原命题不对)。
所以如果做题的话就是两个关键,1.构造检验统计量2.找一个小概率事件
在别的地方看到的一句话:
全称命题只能被否证而不能被证明。这个道理很简单,个案当然不足以证明一个全称命题,但是却可以否定全称命题。
这也是反证法所基于的一个论点吧。
思路:
根据样本的值,按照一定的规则(小概率原理),检验关于总体的某个假设是否能被接受
用到了一个原理:小概率事件的不可能原理(小概率事件再一次试验中几乎不会发生)
显著性(检验水平)水平:α,这里就是个小概率(也是犯第一类错误--弃真的概率)
执行步骤:
1.提出原假设、备择假设
2.取检验统计量
3.找一个小概率事件,构造拒绝域
4.根据样本值看是否落在拒绝域内,即小概率事件是否发生。
个人理解:
在接受原假设的前提下,这个统计量应该服从的一个分布,即步骤2的检验统计量会服从的一个分布,这个分布可以构造一个小概率事件,根据小概率事件,求出拒绝域,如果根据给出的样本求出来的数(这里用的样本均值)落在拒绝域里,则拒绝原假设。
这里用到了上α位分点,就是用来构造小概率事件的。
整体就是用了一个小概率反证法:
如果小概率事件发生了(这就是我们通常用的反证法找到了矛盾的地方,小概率事件本不该发生的),则我们拒绝原假设(我们可以证得原命题不对)。
所以如果做题的话就是两个关键,1.构造检验统计量2.找一个小概率事件
在别的地方看到的一句话:
全称命题只能被否证而不能被证明。这个道理很简单,个案当然不足以证明一个全称命题,但是却可以否定全称命题。
这也是反证法所基于的一个论点吧。
相关文章推荐
- 个人对于堆栈的理解(简单通俗)
- Hadoop分布式文件系统个人通俗理解
- 设计模式之个人通俗理解
- Hadoop分布式文件系统个人通俗理解
- 【封装·继承·多态】个人通俗理解
- 通俗理解LSTM的内部门操作(个人理解,可能不科学)
- 参数估计(个人通俗理解)
- 【Android个人理解(四)】自定义Application类的使用
- Handler、Looper、MessageQueen、Message的关系及个人理解
- 后缀数组 (倍增法) 个人理解
- poj 3468..(存线段树个人模板(自敲)pushdown函数还不理解)
- 个人对call和apply方法的理解
- 用通俗的话理解设计模式--Decorator pattern
- 关于简单工厂模式 个人的理解
- jvm的个人理解【1】
- 幂等性 个人理解及应用
- 个人价值的关键是对业务的理解和架构能力
- 关于SVM的一点个人理解
- 个人对JS闭包(Closure)的理解
- 支持向量机通俗导论(理解SVM的三层境界)