前提思想：
步驟：例子：
正態分佈下的假設檢驗
小概率事件在一次實驗中幾乎不可能發生
已知100個球，其中99個顏色一致，另外乙個不一致
那麼我們先做兩個假設ps：其實這玩意很好理解，你就抽了一次，就抽到個白的，那如果這裡就乙個白球，說明你運氣**了，去買彩票吧，而我們假設檢驗的前提是，小概率事件不會發生，所以肯定是錯的，所以白的有99個然後針對假設1，我們構造乙個小概率事件：
p(抽乙個球，是白色)=1/100 也就是百分之一
最後，我們做一次實驗，真的去抽乙個球
如果抽出的是黑球，說明我們構造的小概率事件沒有發生，那就認為我們的假設1是對的
因為這個小概率事件是針對假設1來設計的，做了一次實驗，發現小概率事件沒發生，別忘了，假設檢驗的前提就是小概率事件在一次實驗中不會發生，所以我們就認為，假設1是對的
如果抽出的是白球，小概率事件發生了，那麼我們就認為假設1錯了，假設2才是對的
理解了這個例子，下面呢我們用專業術語來在捋一遍這個例子
那麼我們先做兩個假設所以呢，假設檢驗的步驟就是我們稱假設1是源假設，假設2是備擇假設(或對立假設)
然後針對假設1，我們構造乙個小概率事件：
p(抽乙個球，是白色)=1/100=0.01 也就是百分之一
我們稱這個小概率事件(抽乙個球，是白色)
為拒絕域
我們稱落入拒絕域的概率0.01為顯著性水平
最後，我們做一次實驗，真的去抽乙個球
如果抽出的是黑球，說明我們構造的小概率事件沒有發生，那就認為我們的假設1是對的
沒有落入拒絕域，我們就接受源假設
如果抽出的是白球，小概率事件發生了，那麼我們就認為假設1錯了，假設2才是對的
落入拒絕域，我們就接受備擇假設
這東西很簡單，下面看一下 正態分佈下的假設檢驗
預備知識：區間估計、置信區間、用於區間估計的一些統計量
題目：一批木材直徑服從正態分佈，從中隨機抽取20根，測得平均直徑為32.5cm，樣本標準差為15，問：在顯著性水平為0.05下，是否可以認為這批木材的直徑為30cm？
如果是方差已知的情況，那就選用對應的u統計量
概率論之假設檢驗
1.假設檢驗 在總體的分布函式完全未知或只知道其形式 但不知道其引數的情況，為了推斷總體的某些未知特性，提出某些關於總體的假設。1 x平均在一定程度上反映著u,因此觀察他們二者的偏差，若反應較大，則可以有理由懷疑原假設。2 而恰恰 x平均 u o 根號n n 0，1 可以衡量 1 3 我們確定乙個k...
概率論與數理統計 假設檢驗
引數估計能解決實際問題中分布型別已知時對位置引數進行估計的問題，可是還有許多問題引數估計無法解決。例如，某弓藏生產產品某項指標服從n 20 分布，經過技術改造後，與 2 0 是否發生了變化？問題變成 0與 2 2 0 是否成立？顯然引數估計無法回答這類問題。對這類問題，我們往往先提出假設，然後抽取樣...
假設檢驗 假設檢驗學習筆記
在實際工作和研究中，往往只能獲得資料的一部分，通常指這個資料為樣本，而通過樣本對整體的估計被稱為假設檢驗。樣本是從整體中選取的較小集合，中心極限定律 樣本的均值約等於總體的均值 不管整體什麼分布，任意乙個總體的樣本均值都會圍繞在總體的均值周圍，且呈正太分布。關鍵資訊 樣本的均值等於總體的均值 樣本的...