常用假设检验方法全套笔记汇总.docxVIP

常用假设检验方法全套笔记汇总

一、假设检验的基本概念与逻辑

假设检验是统计推断的核心方法之一，其基本思想是通过样本数据对总体特征做出某种假设，并利用概率理论来判断该假设是否合理。它并非直接证明某个假设的真伪，而是基于小概率反证法思想，在一定的显著性水平下，对原假设和备择假设进行取舍。

1.1原假设与备择假设

*原假设(H?-NullHypothesis)：通常表述为“无效应”、“无差异”或“符合某种特定分布/规律”，是我们希望通过数据去检验其是否可能不成立的假设。例如，“某新药的疗效与安慰剂无差异”、“总体均值等于某个特定值μ?”。

*备择假设(H?或H?-AlternativeHypothesis)：是原假设的对立面，当原假设被拒绝时，我们倾向于接受的假设。它通常表述为“有效应”、“有差异”或“不符合某种特定分布/规律”。例如，“某新药的疗效优于安慰剂”、“总体均值不等于μ?”（双侧）或“总体均值大于μ?”（单侧）或“总体均值小于μ?”（单侧）。

1.2显著性水平(α)

显著性水平α是事先设定的一个小概率值，用于界定“小概率事件”。它表示在原假设H?实际上为真时，我们错误地拒绝H?的概率上限，也称为第一类错误（TypeIError）的概率。常用的α值有0.05、0.01等，具体选择需根据研究领域和问题的重要性综合判断。

1.3P值(P-value)

P值是在原假设H?成立的前提下，计算得到的样本观测结果或更极端结果出现的概率。它是衡量样本数据与原假设之间不一致程度的指标。若P值小于或等于事先设定的显著性水平α，则认为“小概率事件”发生了，从而有理由拒绝原假设；反之，则不拒绝原假设。

1.4两类错误与检验效能

*第一类错误(TypeIError,α错误)：H?为真时，拒绝H?。其概率即为显著性水平α。

*第二类错误(TypeIIError,β错误)：H?为假时，未拒绝H?。其概率记为β。

*检验效能(Power,1-β)：H?为假时，正确拒绝H?的概率。检验效能越高，意味着该检验方法发现真实差异的能力越强。在研究设计阶段，通常期望达到0.8或更高的检验效能。

1.5单侧检验与双侧检验

*双侧检验(Two-tailedTest)：备择假设中不包含方向，只关心差异是否存在。例如，H?:μ≠μ?。此时，拒绝域分布在检验统计量分布的两侧。

*单侧检验(One-tailedTest)：备择假设中包含方向，关心差异的具体方向。例如，H?:μμ?（右侧检验）或H?:μμ?（左侧检验）。此时，拒绝域仅分布在检验统计量分布的一侧。

选择单侧还是双侧检验，需根据研究问题的背景和理论预期来确定，而非根据样本数据事后决定。

二、常用假设检验方法汇总

2.1单样本均值检验：单样本t检验(One-Samplet-test)

适用场景：当我们需要检验单个总体的均值是否等于某个已知的或假设的总体均值（μ?）时使用。

前提条件：

*样本数据来自正态分布或近似正态分布的总体。对于大样本（通常n30），根据中心极限定理，即使总体非正态，样本均值也近似正态，可近似使用。

*观测值之间相互独立。

检验统计量：t=(x?-μ?)/(s/√n)，其中x?为样本均值，s为样本标准差，n为样本量。该统计量服从自由度为df=n-1的t分布。

2.2两独立样本均值检验：独立样本t检验(IndependentSamplest-test)

适用场景：比较两个独立总体的均值是否存在显著差异。例如，比较男性和女性的身高均值是否不同。

前提条件：

*两个样本相互独立。

*每个样本所在的总体均近似服从正态分布。

*两总体方差齐性（HomogeneityofVariance）。可通过LevenesTest等方法进行检验。

检验统计量：

*方差齐性时：t=(x??-x??)/[s?√(1/n?+1/n?)]，其中s?为合并标准差。自由度df=n?+n?-2。

*方差不齐时（Welchst-test）：t统计量公式复杂，自由度通过近似公式计算（通常小于n?+n?-2）。许多统计软件会自动提供方差齐性和不齐两种情况的结果。

2.3配对样本均值检验：配对t检验(PairedSamplest-test)

适用场景：比较配对设计下的两组数据的均值差异。配对设计常见于：同一受试对象处理前后的比较（如治疗前后的血压）、同一受试对象接受两种不同处理（如左眼和右眼的测量值）、以及配对的两个受试对象分别接受不同处理。

前提条件：

*差值（通常为d=处理后