假设检验，思想方法速懂！

欢迎大家来到IT世界,在知识的湖畔探索吧!

统计推断是指基于样本信息对总体特征做出判断的过程。

一、先定靶子：原假设 vs 备择假设

做检验前，得先明确 “要推翻什么” 和 “要验证什么”：

原假设（H₀）：默认成立的 “靶子”，比如 “技术指标和股价无关”（日常大概率成立，也是你想推翻的）。

备择假设（H₁）：你真正想验证的命题，比如 “技术指标能预测股价”（和 H₀对立，推翻 H₀就支持它）。

简单说：H₀是 “靶子”，H₁是 “你想证明的真相”，检验就是看能不能把靶子推翻～

二、选 “武器”：确定检验统计量

接下来，选一个能衡量 “样本与 H₀差异” 的统计量（比如 t 统计量、Z 统计量），还要明确它在 H₀成立时的分布。

举个 想检验 “均值是否等于某个值”，若总体方差已知，选 Z 统计量；方差未知选 t 统计量。这一步是为后续计算做准备，相当于给 “攻击靶子” 选好武器！

三、设 “防线”：控制错误概率 α

假设检验会犯两类错：

弃真（H₀为真却拒绝）：比如 “指标和股价本无关，你却认为有关”，这类错误要重点控制，设定的 “小概率阈值 α”（常用 0.05、0.01）就是它的上限。

取伪（H₀为假却接受）：两类错此消彼长，除非增大样本，否则没法同时降低。

为啥重点控弃真？因为一旦推翻 H₀接受 H₁，H₁成立的置信度就很高（错误概率＜α）！这也解释了 “为啥想验证的命题当备择假设”—— 推翻 H₀时，结论更可信～

四、算数据：检验统计量 + P 值 / 拒绝域

用样本数据算检验统计量的具体值，然后：

P 值：H₀成立时，出现当前样本结果的概率（越小越说明 “样本反常”）。

拒绝域：统计量落入这个区间，就拒绝 H₀；边界是 “临界点”。

比如 Z 检验中，α=0.05 时，双侧检验的拒绝域是 | Z|＞1.96，1.96 就是临界点。这一步是用数据 “攻击靶子”，看能不能突破防线！

五、下结论：拒绝 or 不拒绝 H₀

对比判断：

P 值法：P＜α→样本是小概率事件，推翻 H₀；P≥α→暂时不推翻。

拒绝域法：统计量落入拒绝域→推翻 H₀，否则不推翻。

⚠️ 注意！结论说 “不拒绝 H₀”，不是 “接受”，只是当前数据不够推翻它，可能需要更多样本。比如验证 “指标预测股价”，结论可以是：“5% 显著性水平下，有证据支持指标能预测股价”～

#数据分析 #假设检验 #统计学 #科研方法 #知识分享#我的学习方法论

欢迎大家来到IT世界,在知识的湖畔探索吧!