1 假设检验的基本思想
2 假设检验的基本原理
3 假设检验中可能犯的错误
4 假设检验的基本步骤
- 4.1 第一步：提出假设
- 4.2 第二步：确定理论的显著性水平α\alphaα
- 4.3 第三步：计算用于检验的统计量
- 4.4 第四步：根据统计量对应的P值进行判断假设
5 假设检验中总体的集中不同情况

1 假设检验的基本思想

举例理解，如检验"小明是一个从来不做坏事的好人"

按照这个假设前提，小明不会干坏事或干坏事的几率是非常小的，但是只有有一个人发现他干坏事，说明事情的假设是不可靠的，就可以否定这个说法。当然这个结论是不确定的，是有犯错的概率的。

2 假设检验的基本原理

基本原理就是观测小概率时间在假设成立的情况下是否发生，如果再一次试验中小概率事件发生了，说明该假设在一定的显著性水平下不可靠或不成立，从而否定假设

如果一次试验中小概率事件没有发生，只能说明没有足够理由相信假设是否错误，但是不能说明假设是正确的，因为在现有的条件下无法手机所有的证据去证明它是正确的。

3 假设检验中可能犯的错误

假设检验的结论是在一定的显著性水平下得出的，当我们去观测事件并下结论的时候，是有可能犯错误的。在假设检验过程中，无法不保证不犯错误，这些错误归纳为两类

第一类错误：当假设为真的时候，却否定它而犯的错误，即拒绝正确假设的错误，也叫弃真错误。犯第一类错误的概率记为α\alphaα,所以通常叫做α\alphaα错误，α\alphaα= 1-置信度
第二类错误：当假设为假时却肯定它而犯的错误，即接受错误假设的错误，也叫纳伪错误，犯第二类错误的概率记为β\betaβ，所以通常也叫做α\alphaα错误。

两类错误在其他条件不变的情况下，是相反想成的，即α\alphaα增大时，β\betaβ减小；α\alphaα减小时，β\betaβ增大。想要同时减小两类错误，只能增加样本量。

在Python数据分析中，α\alphaα称为理论的显著性水平，P称为实际的显著性水平，P值也具体指在记性检验过程汇总实际犯第一类错误的概率

当P值比α\alphaα小：说明实际计算的显著性水平比理论的显著性水平更小，小概率时间在一次试验中发生的几率更小。在P值的显著性水平条件下，如果还能观测到小概率时间发生，则说明假设更加不可靠，可以对架设做出否定的判断。

当P值比α\alphaα大：在P值的显著性水平下，如果能够观测得到小概率事件发生，说明假设可能没有任何问题，因为本来观测一个概率比较大的时间，起发生的可能本来就比较大，不能对假设做出否定的判断。

总之，在Python中进行假设检验，P值越小越能否定原假设。

4 假设检验的基本步骤

4.1 第一步：提出假设

假设就是对总体特征的一个特定描述。假设分为原假设和备择假设

原假设（零假设）：通常情况下把想要搜集证据去否定的结论作为原假设。

备择假设（研究假设）：通常情况下爱把想要搜集证据去支持的结论作为备择假设。当备择假设含有≠\neq=时，称为双侧或双尾检验；当备择假设汇总含有<或>时称为单侧或单尾检验。

4.2 第二步：确定理论的显著性水平α\alphaα

理论的显著性水平α\alphaα，通常情况下取0.05、0.1\或0.001等等常用数值。

4.3 第三步：计算用于检验的统计量

根据一直条件和总体分布情况，在原假设成立的情况下，选择计算用于检验的统计量。

其中σ\sigmaσ表示总体标准差；nin_ini表示样本容量，ndn_dnd表示成对样本的个数；x‾\overline{x}x、p、s2s^2s2分别表示样本均值、样本比例和样本方差；did_idi表示成对样本的两组变量值之差；μ0\mu_0μ0 、π\piπ、σ02\sigma_0^2σ02表示原假设成立时的总体均值、总体比例和总体方差。

4.4 第四步：根据统计量对应的P值进行判断假设

python中工具检验函数，可以直接计算出P值，如果P≤\leq≤ α\alphaα，说明在显著性水平α\alphaα条件下，原假设不成立，拒绝原假设，选择备择假设；如果P>α\alphaα，说明在显著性水平条件下，没有充分证据表明我们应当拒绝假设。

如果没有指定α\alphaα的值，则P值越小越显著。

5 假设检验中总体的集中不同情况

在统计推断之前，应该根据总体的不同分布情况，选择不同统计量形式，检验所用统计量的形式和步骤取决于所抽取样本的样本量大小，无论大样本还是小样本。

（1）大样本的检验方法

样本来量大于30的称为大样本。以总体均值的假设检验为例，在大样本的情况下，根据重心极限定理，均值的抽样分布服从正态分布，所以可以使用正态统计量（Z统计量）进行假设检验。

（2）小样本的检验方法

样本量小于30的称为小样本，对于小样本的情况分为两种。当总体方差已知时，仍然使用正态统计量。当总体方差未知时，则使用t统计量，t统计量服从自由度为（n-1）的t分布。

【Python数据分析】假设检验的基本思想、原理和步骤相关推荐

python数据分析——股票分析
python数据分析--股票分析前言一.实现步骤 1.引入库(导包) 2.读入数据 3.数据分析可视化 3.1 风险相关图 3.2 历史收盘价 3.2 ma5 ma20 3.2 历史成交量总结 ...
python 多项式回归假设检验_Python数据分析入门书籍推荐
在当下这个数据驱动的时代,毫不夸张的说各行各业的商业决策和运营管理都离不开数据分析,因此数据分析已经成为当前每个人的必备技能和加分项.对于许多初学者来讲,想要入门Python数据分析常常不知道从何下手 ...
Python数据分析：ADF平稳性假设检验
[小白从小学Python.C.Java] [Python全国计算机等级考试] [Python数据分析考试必会题] ● 标题与摘要 Python数据分析 ADF平稳性假设检验 ● 选择题以下关于ADF ...
python数据分析培训内容可以_Python数据分析师
阶段一学完后能达到什么水平? 数据分析师认知篇说明:0基础入学,5大进阶之路,8大课程阶段,35+课程,1000+学时, 18大行业经典案例,两大商业项目实战!人工智能是你的终极目标! 课程时长 ...
视频教程-Python数据分析（统计分析）视频教程-机器学习
Python数据分析(统计分析)视频教程计算机博士,专注于机器学习与计算机视觉领域,深度学习领域一线实战讲师.在图像识别领域有着丰富经验,实现过包括人脸识别,物体识别,关键点检测等多种应用的新算法. ...
Python数据分析（统计分析）视频教程-唐宇迪-专题视频课程
Python数据分析(统计分析)视频教程-708人已学习课程介绍 Python数据分析(统计分析)视频培训课程概述:Python统计分析系列课程以Python为核心工具,结合其工具包 ...
python数据分析及特征工程（实战）
python数据分析及特征工程(实战) 1.数据分析 1.1单属性分析 1.1.1 异常值分析 1.1.2 分布分析 1.1.3 对比分析 1.1.4 结构分析 1.2多属性分析 1.2.1假设检验 ...
python掌握程度怎么判断-Python数据分析路上，温故而知新
距上一次数据分析课程结束,很快地就过去了快半年.上次课程结束后就一直关注Tiger老师的解密大数据团队的下一次课程,虽然文科生这个标签已经是揭不下来的了,但对理工类分析类的课程始终保持热诚,比起< ...
快速入门 Python 数据分析实用指南
Python 现如今已成为数据分析和数据科学使用上的标准语言和标准平台之一.那么作为一个新手小白,该如何快速入门 Python 数据分析呢? 下面根据数据分析的一般工作流程,梳理了相关知识技能以及学习 ...
【Python数据分析】数据挖掘建模——分类与预测——决策树
决策树是一种树状结构,它的每一个叶节点对应着一个分类,非叶节点对应着在某个属性上的划分,根据样本在该属性上的不同取值将其划分成若干个子集.构造决策树的核心问题是在每一步如何选择适当的属性对样本做拆分. ...

【Python数据分析】假设检验的基本思想、原理和步骤

目录