推断统计是研究如何利用样本数据来推断总体特征的统计方法。包含参数估计和假设检验。

参数估计即利用样本信息推断总体特征，也就是根据样本数据来估计变量的概率分布，或者是总体分布所包含的未知参数的过程。
举个例子：要研究人们的市场消费行为，首先需要了解人们的收入状况，若某城市人均年收入数据服从正态分布，但参数的均值和方差的具体取值未知，此时就可以根据样本的来估计这两个参数。方法有点估计和区间估计。通俗理解，点估计就是得到具体取值，区间估计就有一个包括真实值的区间范围，称为置信区间。
假设检验：参数估计的主要任务是猜测参数的取值，而假设检验的着重点在于检验参数的取值是否等于某个目标值。比如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做出判断。
假设检验有两个隐含的思想：小概率事件思想和反证法的思想。
小概率事件就是在我们的假设下如果出现了小概率事件，那么就可以否定我们的假设。
反证法就是先假设我们提出的假设是正确的，然后在这个条件下去观测发生的事件是否是小概率事件，如果是的话，则否定原假设。
假设检验的步骤：
1.提出原假设，记为H0，同时提出互为反命题的备择假设H1。
2.在H0正确的条件下，求出样本数据出现的概率，看是否是小概率事件
3.若小概率，认定原假设错误，称为拒绝原假设。否则不能拒绝原假设
对于原假设和备择假设有如下选择原则：
原假设应该是受保护的，不应轻易被拒绝；
备择假设是检验者所希望的结果；
等号永远出现在原假设中。
假设检验中出现的两类错误。
1.第一类错误：在假设检验中拒绝了本来是正确的原假设（弃真）。我们认为小概率事件是几乎不可能发生的，因此我们会拒绝原假设当出现小概率事件的时候，然而只要概率不等于0，那么事件都是有可能发生的，也就是说我们仍然有可能遇到小概率事件，但我们却拒绝他了。第一类错误的概率记为α
2.第二类错误：在假设检验中没有拒绝本来是错误的原假设（取伪）。原假设是错误的但却很接近真实值，可能是有一些偶然因素使然。第二类错误的概率β
这两类错误我们没办法同向优化，所以我们一般选择控制α，不限制β。
α是第一类错误的概率，也就是在H0为真的条件下，拒绝H0的概率，是一个条件概率
P（拒绝H0|H0为真），为了控制α，我们将它固定P（拒绝H0|H0为真）<=α
在统计学上，α叫做显著性水平，常见的值有0.1，0.05,0.025
接着为了确定一个事件是不是小概率事件，要求解此事件发生的概率。对于连续型变量， 某个具体取值的概率都为0，所以无法直接算概率，则使用另一种方法，即算出在原假设正确的条件下，和当前样本一样极端或更极端的情况出现的概率。举个例子，原假设总体均值为10，样本均值9，则差为-1，那么更极端就是指均值和10的差大于1或者小于-1的样本。因此，把所得到的样本或更极端的情况出现的概率叫做p值（p-value）。比如上面的例子，p-value就是均值小于等于9或者大于等于11的样本的概率。

推断统计--假设检验相关推荐

  1. 推断统计python化(参数估计，假设检验与 t检验)

    目录 1.参数估计 1.1 点估计 1.2 区间估计 1.2.1 区间估计概述 1.2.2 区间估计的方法 1.3 进行区间估计的Python函数 2. 案例分析 3. 假设检验 3.1 假设检验概述 ...

  2. 推断统计：参数估计和假设检验

    目录   1.总体.个体.样本和样本容量    1)总体.个体.样本和样本容量的概念    2)本文章使用的相关python库   2.推断统计的概念    1)推断统计的概念    2)为什么要进行 ...

  3. python做线性回归统计推断提取参数_概率分析方法与推断统计(来自我写的python书)...

    在数据分析统计的场景里,常用的方法除了描述性统计方法外,还有推断统计方法,如果再从工作性质上来划分,推断统计包含了参数估计和假设验证这两方面的内容.而推断统计用到了很多概率统计方法,所以本小节在介绍推 ...

  4. 概率分析方法与推断统计(来自我写的python书)

    在数据分析统计的场景里,常用的方法除了描述性统计方法外,还有推断统计方法,如果再从工作性质上来划分,推断统计包含了参数估计和假设验证这两方面的内容.而推断统计用到了很多概率统计方法,所以本小节在介绍推 ...

  5. 《大数据分析原理与实践》一一2.3　推断统计

    2.3 推断统计 推断统计是研究如何利用样本数据来推断总体特征的统计方法,其目的是利用问题的基本假定及包含在观测数据中的信息,做出尽量精确和可靠的结论.基本特征是其依据的条件中包含带随机性的观测数据. ...

  6. 计算统计-Chap6 推断统计的蒙特卡罗方法 （3）蒙特卡罗方法

    很多时候,我们不清楚统计量的分布,或不确定对它所作的假设是否合理.蒙特卡罗模拟可以处理这些情况,它的应用包括: 1)当待检测统计量(the test statistics)从未知时,进行推断 2)当参 ...

  7. 简明易懂的c#入门指南_统计假设检验的简明指南

    简明易懂的c#入门指南 介绍 (Introduction) One of the main applications of frequentist statistics is the comparis ...

  8. 计算统计-Chap6 推断统计的蒙特卡罗方法 （1）引言

    推断统计(inferential statistics)用于形成关于总体(population)的结论,并且利用随机样本对这些结论的可信度进行评价,相关技术包括:利用点估计来估计总体参数,估计参数的置 ...

  9. python假设检验平均,利用python进行17种统计假设检验

    请点击阅读原文,在语雀中查看 https://www.yuque.com/alipayqgthu1irbf/sharkfin/enrzni 翻译自 https://machinelearningmas ...

最新文章

  1. 索引的使用—— 验证索引提升查询效率 || 避免索引失效 —— 全值匹配 /最左前缀法则/范围查询右边的列，不能使用索引/不要在索引列上进行运算操作/字符串不加单引号，造成索引失效
  2. 文本 To 音频
  3. 烦人的Facebook分享授权
  4. C语言程序设计 练习1-13
  5. Visual Studio IDE环境下利用模板创建和手动配置CUDA项目教程
  6. HDU 3974 Assign the task（dfs时间戳+线段树成段更新）
  7. Linux进程全解4——fork创建子进程
  8. 顶级程序员的心得 Coders at Work (I)
  9. Eclipse alt+/ 失效 解决
  10. yum php5.6源码,5.2 YUM升级PHP5.6
  11. 支持向量机的基本原理
  12. CAM350简单编辑gerber文件（【增加一条线】 【复制元素】 【删除元素】）
  13. Android~adb卸载系统预装应用（亲测有效）
  14. realsenseD400系列相机报错：undefined symbol: _ZN2cv3MatC1EiiiRKNS_7Scalar_IdEE解决方案
  15. 越是聪明人越要懂得下笨功夫！
  16. Win10 文件夹删不掉，提示需要来自XXX的权限才能对此文件夹进行更改
  17. 【IoT】 产品设计：硬件产品经理核心能力培养
  18. python计算复数的辐角_Python机器学习（五十六）SciPy fftpack(傅里叶变换)
  19. 1.函数的结构，调用，传参，形参，实参，args,kwargs，名称空间，高阶函数
  20. 2022 年超详细过程步骤讲解 CentOS 7 安装Maven。以及Mavne配置文件的修改

热门文章

  1. 清华同方的计算机硬件设置,清华同方笔记本电脑开机进入BIOS的几种方法(F2)附bios设置图文方...
  2. 深度优先搜索（DFS）和广度优先搜索（BFS）两种算法c++
  3. c++定义一个简单的银行账户类
  4. struts1框架基本(笔记)
  5. python数据库迁移命令_创建和进行数据库迁移，同步数据库
  6. SQL窗口函数-聚合窗口函数
  7. nodejs+vue企业员工考勤管理系统java python php
  8. 分布式算法 - Raft算法
  9. 元宇宙：人类的“母体”
  10. web前端工资一般多少？在北京前端工程师多少钱一个月？