假设检验中的alpha,beta及power

在统计的假设检验中,α,β,power ,一型错误,二型错误这几个概念/概率总是容易混淆,或者一下子忘了啥意思,把它们放在一个表里方便查找。

假设检验

假设检验是先对总体参数提出一个假设值,然后利用样本信息判断这一假设是否成立^1

假设检验的步骤如下[^1][^2]。

  • 提出原假设与备择假设

    原假设一般时你想要拒绝的假设,备择假设时你想要接受的假设。

  • 从所研究总体中出抽取随机一次样本

  • 构造检验统计量

  • 根据显著性水平确定拒绝域临界值

  • 计算检验统计量与临界值进行比较

假设检验表格

α,β,power 定义见下表[^3]。

真实情况 真实情况
H0为真 H0为假
根据研究结果的判断 拒绝 H0 错误判断 (假阳性,一型错误,弃真错误),发生概率为 α (显著性水平) 正确判断,发生概率 1-β (统计功效)
根据研究结果的判断 接受 H0 正确判断,发生概率 1-α 错误判断(假阴性,二型错误,存伪错误),发生概率为 β

[^2]: 假设检验的逻辑是是什么? - GRAYLAMB的回答 - 知乎 https://www.zhihu.com/question/20254932/answer/459073864
[^3]: https://www.wikiwand.com/zh/檢定力

  • 版权声明: 本博客所有文章除特别声明外,著作权归作者所有。转载请注明出处!
  • Copyrights © 2019-2022 Vincere Zhou
  • 访问人数: | 浏览次数:

请我喝杯茶吧~

支付宝
微信