假设检验的基本原理是什么:
假设检验的基本原理依据的是Neyman-Pearson 引理，即在零假设下构建一个样本空间的子集使其中的元素都满足一个条件，即似然比小于某一定值，而这一定值使得这些点构成的集合在零假设下的概率等于先前规定的显著水平。这个集合即为该限制水平下的拒绝域。通俗点说，假设检验的基本原理是先对总体的特征作出某种假设，然后通过抽样研究的统计推理，对此假设应该被拒绝还是接受作出推断。
假设检验的原理：假设检验 = 显著性水平 + 小概率思想 + 反证法。
假设检验是统计推断的一个重要内容，用于判断某个假设是否正确。在数据分析中，总体的参数始终是不可知的，只能由统计量推断总体的参数。在统计推断过程中，需要对参数提出一定的假设，然后对提出的假设进行假设检验。
假设检验与参数估计（包括点估计和区间估计）是建立在中心极限定理和抽样分布之上的推断统 计的两个重要基础方法，由这两个方法出发，生发出诸多有针对性的统计分析方法。
假设检验是除参数估计之外的另一类重要的统计推断问题。它的基本思想可以用小概率原理来解释。所谓小概率原理，就是认为小概率事件在一次试验中是几乎不可能发生的。也就是说，对总体的某个假设是真实的，那么不利于或不能支持这一假设的事件A在一次试验中是几乎不可能发一的；要是在一次试验中事件A竟然发生了，我们就有理由怀疑这一假设的真实性，拒绝这一假设。欢迎分享，转载请注明来源：优选云
微信扫一扫
支付宝扫一扫
