本文共 1223 字,大约阅读时间需要 4 分钟。
假设检验(hypothesis testing)是数理统计中根据一定的假设条件,由样本来推测总体的一种方法。假设检验实际上是一种反证法的思想,常见的做法是先构建统计量,然后在假设 H 0 H_{0} H0下,统计量往往有一个分布,当我们计算出统计量处于分布的小概率区域中时,我们就可以说 H 0 H_{0} H0假设是小概率事件,可以拒绝零假设。常见的假设检验的方法有u-检验法、t检验法、卡方检验、F-检验、秩和检验等。
维基百科中对 Type Ⅰ和 Type Ⅱ error的解释是:
type I error is the rejection of a true null hypothesis (also known as ‘False Positive’)
type II error is failing to reject a false null hypothesis (also known as ‘False Negative’)
从字面上来进行理解,第一类错误就是原假设 H 0 H_{0} H0是正确的,但是拒绝了它;第二类错误就是原假设 H 0 H_{0} H0是错误的,但是接受了它。
出自作者:马志阳
链接:按照平时的习惯,对于原假设我们一般都是拒绝的,所以对原答案进行了一点修改:
假设检验就好比谈恋爱,你需要推测这个男生是否是真心爱你的,所以需要作出下面的假设:H 0 H_{0} H0:他不是一个真心爱你的男生
H 1 H_{1} H1:他是一个真心爱你的男生如果 H 0 H_{0} H0实际上成立,而你凭借经验拒绝了这假设,也就是你和这个不爱你的男生在一起了,这样就是犯了第Ⅰ类错误。
如果 H 0 H_{0} H0实际上不成立,而你接受了这个假设,也就是你失去了和一个真正爱你的男生在一起的机会,这样就是犯了第Ⅱ类错误。
如果要同时减少犯第一类错误和第二类错误的概率,那就只能通过增加恋爱的次数 n n n,比如一个经历过 n = 100 n=100 n=100次恋爱的女生,第101次恋爱犯第一类错误和第二类错误的概率就会小很多了。
出自作者:DDTemp
链接:先提出假设:
H 0 H_{0} H0: He/She are not pregnant
H 1 H_{1} H1: He/She are pregnant对应图中的描述,左图中,错误的拒绝了 H 0 H_{0} H0假设,所以说犯了第一类错误;右图中,错误的接受了 H 0 H_{0} H0假设。
1、第一类错误的概率就是错误地拒绝了原假设的概率,也就是p-value。
2、第一类错误和第二类错误是负相关的,即第一类错误概率大,第二类错误概率就小,但是两者的概率之和不是1,否则的话犯错的概率就是1了。转载地址:http://qbklf.baihongyu.com/