博文
生物统计学习笔记—假设检验（hypothesis test）的步骤及两类错误
||||
假设检验即显著性检验（significance test），是根据总体的理论分布和小概率原理，对未知或不完全知道的总体提出两种彼此对立的假设，然后由样本的实际结果，经过一定的计算，作出在一定概率意义上应该接受的那种假设的推断。生物统计学中，一般认为≤0.05或0.01的概率为小概率。通过假设检验，可以正确分析处理效应和随机误差，作出可靠的结论。
1. 提出假设：
无效假设（ineffective hypothesis）或零假设（null hypothesis），H0，假设处理效应与总体参数之间没有真实的差异，试验结果是误差所致。无效假设是直接检验的假设。
备择假设（alternative hypothesis），HA，与H0对立。
2. 确定显著性水平：
即否定H0的概率标准，记为α，常取α=0.05和α=0.01两个标准。
3. 计算概率：
在假设H0正确的前提下，根据样本平均数的抽样分布计算出由抽样误差造成的概率。样本平均数可能大于也可能小于总体平均数，因此需要考虑差异的正负两个方面，所以一般计算的都是双尾概率。
4. 推断是否接受假设
根据显著水平α的统计数临界值，进行差异是否显著的推断。如T-test中，根据自由度df查表得t 0.05，而实际计算得|t|≥t 0.05，则P≤0.05，差异显著，反之亦然。
假设检验中的两类错误
α错误：如果H0是真实的，假设检验却否定了它，就犯了一个否定真实假设的错误，这类错误叫第一类错误，亦称弃真错误（error of abandoning trueness）；
β错误：如果H0是不真实的，假设检验时却接受了它而否定了HA，则犯了接受不真实假设的错误，这类错误即第二类错误，亦称纳伪错误（error of accepting mistake）。
的抽样分布坐落于某种分布对应区间的概率决定的，当显著性水平取0.05时，落在该区间的概率是0.95，即当落于该区间，则95%的把握接受H0，犯α错误的概率为5%，而当显著性水平取0.01时，犯α错误的概率为1%，但相应的犯β错误的概率就会提高，所以，确定显著性水平时显著性水平不一定要定的太高，取α=0.05比较合适。说明：生物统计学教材《生物统计学（第三版）》，李春喜等，2005；spss应用教材《spss13.0在生物统计中的应用》，张力，2006。
https://m.sciencenet.cn/blog-116082-216878.html
上一篇：新的一年
下一篇：那些花儿之一—雪莲一种？
