平均数的假设检验

假设检验

  • 假设检验(hypothesis testing):利用样本信息,根据一定概率,对关于总体参数(或总体分布)的假设成立的可能性进行评价,进而做出拒绝或保留的决断。假设检验总是从零假设出发,评价其被拒绝的概率。
  • 接受域(region for acceptance):接受零假设的区域。
  • 拒绝域(region for rejection):拒绝零假设的区域,是接受域以外的区域。
  • 显著性水平(significance level):检验统计量落入拒绝域的概率,记作 ,通常规定 为 0.05 或 0.01。
  • 双侧检验(two-tailed test):将 等分为左右两个部分,左右两边各设置一个拒绝域。每个拒绝域相应的概率为
  • 单侧检验(one-tailed test):将与 对应的拒绝域全部放置在左侧,或全部放置在右侧,分别称为左侧检验(left-tailed test)和右侧检验(right-tailed test)。
  • 错误( error):拒绝本来是正确的零假设,接受错误的备择假设,又称为I型错误(Type I error)。
  • 错误( error):接受错误的零假设,拒绝正确的备择假设,又称为Ⅱ型错误(Type II error)。
  • 独立样本(independent groups):分别独立抽取的样本,抽取其中任何一个样本都不会对抽取另一个样本产生任何影响,两个样本内的个体之间不存在对应的关系。
  • 相关样本(correlated-groups):在样本之间有相互影响的条件下抽样得到的样本,两个样本内个体之间存在着一一对应的关系。
  • 效应量(effect size):元分析的一个最常用的数量指标,用于体现相对差异程度,它可以使不同研究中得到的差异得以相互比较和汇总。
  • (omega squared):用于衡量自变量对因变量的影响程度的指标,表示因变量的差异中有多大比例是可以用自变量的变化来解释的。
作者: 老齐
链接: http://math.itdiffer.com/chapter07.html
来源: 机器学习
本文原创发布于「机器学习」,转载请注明出处,谢谢合作!

http://math.itdiffer.com/images/0.jpg

results matching ""

    No results matching ""