了解假设检验

假设是关于给定问题的陈述。假设检验是一种统计方法，可用于使用实验数据做出统计决策。假设检验基本上是我们对总体参数所做的假设。它评估有关总体的两个互斥语句，以确定样本数据最能支持哪种语句。
例子：
您说班上的普通学生是30岁，或者男孩比女孩高。所有这些都是我们假设或需要某种统计方法来证明这些的示例。无论我们假设是正确的，我们都需要一些数学结论。

需要进行假设检验
假设检验是统计中的重要程序。假设检验评估两个互斥的总体陈述，以确定哪个陈述最受样本数据支持。当我们说调查结果具有统计意义时，这要归功于假设检验。

假设检验的参数

• 零假设(H0)：在统计中，零假设是一般的给定陈述或默认位置，即两个测得的案例之间没有关系或组之间没有关系。
  换句话说，它是一个基本的假设或基于问题知识而做出的。
  例如：某公司的产量为= 50单位/天，以此类推。
• 替代假设(H1)：替代假设是假设检验中使用的假设，它与原假设相反。
  示例：某公司的产量不等于每天50个单位，等等。
• 重要程度
  它是指我们接受或拒绝原假设的重要程度。接受假设不可能达到100％的准确度，因此，我们选择的显着性水平通常为5％。通常用$\alpha$通常为0.05或5％，这意味着您的输出应该有95％的信心在每个样本中给出相似的结果。
• P值
  P值或计算出的概率是当给定问题的研究的原假设(H0)为真时找到观察到的/极端结果的概率。如果您的P值小于选定的显着性水平，则您拒绝原假设，即接受您的样本主张支持替代假设。

例子 ：
给定一枚硬币，不知道这是公平的还是棘手的，所以让我们决定零假设和替代假设

• 零假设(H0)：硬币是公平的硬币。
• 替代假设(H1)：硬币是一个棘手的硬币。
• $\alpha$ = $5% or 0.05$

  现在，让我们抛硬币并计算p值(概率值)。

• 第一次掷硬币，并假设结果为正面-P值= $50%$ (因为头和尾具有相等的概率)
• 第二次掷硬币并再次假设结果是正面，现在p值= $50/2 = 25%$

同样，我们连续抛掷6次，得到全数结果，现在P值= $1.5%$
但是我们将重要度设置为$95% means 5%$我们允许的错误率，在这里我们看到我们已经超出了这个水平，即我们的零假设并不成立，因此我们需要拒绝并提出这枚硬币是一个棘手的硬币，这实际上是因为它给了我们连续6个头。

假设检验中的错误

• 类型I错误：当我们拒绝原假设时，尽管该假设是正确的。 I型错误由alpha表示。
• II型错误：当我们接受原假设时，它是错误的。 II型错误由beta表示。