徽标
联盟百科
通讯
下载应用,请到 Google Play
新! 在您的Android™设备上下载联盟百科!
自由
比浏览器更快的访问!
 

零假设

指数 零假设

在推论统计学中,零假设(null hypothesis,又译--、原假设,符号:H0)是做统计检验时的一类假设。零假设的内容一般是希望能证明为错误的假设,或者是需要着重考虑的假设。 比如说,在相关性检验中,一般会取“两者之间无关联”作为零假设,而在独立性检验中,一般会取“两者之间非獨立”作为零假设。与零假设相对的是备择假设(对立假设,alternative hypothesis),即希望证明是正确的另一种可能。从数学上来看,零假设和备择假设的地位是相等的,但是在统计学的实际运用中,常常需要强调一类假设为应当或期望实现的假设。如果一个统计检验的结果拒绝零假设(结论不支持零假设),而实际上真实的情况属于零假设,那么称这个检验犯了第一类错误。反之,如果检验结果支持零假设,而实际上真实的情况属于备择假设,那么称这个检验犯了第二类错误。通常的做法是,在保持第一类错误出现的机会在某个特定水平上的时候(即显著性差异值或α值),尽量减少第二类错误出现的概率。.

7 关系: 假設檢定假说學生t檢驗第一型及第二型錯誤推論統計學显著性差异拒绝域

假設檢定

假設檢定是推論統計中用于检验统计假设的一种方法。而“统计假设”是可通过观察一组随机变量的模型进行检验的科学假说。一旦能估計未知參數,就會希望根據結果對未知的真正參數值做出適當的推論。 統計上對參數的假設,就是對一個或多個參數的論述。而其中欲檢驗其正確性的為零假設(null hypothesis),零假設通常由研究者決定,反應研究者對未知參數的看法。相對於零假設的其他有關參數之論述是(alternative hypothesis),它通常反應了執行檢定的研究者對參數可能數值的另一種(對立的)看法(換句話說,對立假設通常才是研究者最想知道的)。 假设检验的种类包括:t检验,Z检验,卡方检验,F检验等等。.

新!!: 零假设和假設檢定 · 查看更多 »

假说

假说(Hypothesis),即指按照预先设定,对某种现象进行的解释,即根据已知的科学事实和科学原理,对所研究的自然现象及其规律性提出的推测和说明,而且數據經過詳細的分類、歸納與分析,得到一個暫時性但是可以被接受的解釋。任何一种科学理论在未得到实验确证之前表现为假设学说或假说。 有的假设还没有完全被科学方法所证明,也没有被任何一种科学方法所否定,但能够产生深远的影响。如1900年德国物理学家马克斯·普朗克为解决黑体辐射谱而首先提出量子论(量子假说),1913年丹麦物理学家尼尔斯·玻尔提出的玻尔原子理论大大推进了现代物理学发展进程。.

新!!: 零假设和假说 · 查看更多 »

學生t檢驗

學生t檢驗(Student's t-test)是指虛無假设成立時的任一檢定統計有學生t-分佈的統計假說檢定,屬於母數統計。學生t檢驗常作為檢驗一群來自常態分配母體的獨立樣本之期望值的是否為某一實數,或是二群來自常態分配母體的獨立樣本之期望值的差是否為某一實數。舉個簡單的例子,也就是說我們可以在抓取一個班級的男生,去比較該班與全校男生之身高差異程度是不是推測的那樣,或是不同年級班上的男生身高的差異的場合是否一如預期使用此檢驗法。.

新!!: 零假设和學生t檢驗 · 查看更多 »

第一型及第二型錯誤

一型及第二型错误(Type I error & Type II error)或型一錯誤及型二錯誤為统计学中推論統計學的名詞。 在假設检验中,有一種假設稱為“零假设(虛無假設)”。假設檢定的目的就是利用統計的方式,推測零假设是否成立。若零假设(虛無假設)事實上成立,但統計檢驗的結果不支持零假设(拒絕零假设),這種錯誤稱為第一型錯誤。若零假设事實上不成立,但統計檢驗的結果支持零假设(接受零假设),這種錯誤稱為第二型錯誤。 以利用驗孕棒驗孕為例,此時未懷孕為零假设。若用驗孕棒為一位未懷孕的女士驗孕,結果是已懷孕,這是第一型錯誤。若用驗孕棒為一位孕婦驗孕,結果是未懷孕,這是第二型錯誤。.

新!!: 零假设和第一型及第二型錯誤 · 查看更多 »

推論統計學

推断统计学(或称统计推断,statistical inference),指统计学中,研究如何根据样本数据去推断总体数量特征的方法。它是在对样本数据进行描述的基础上,对统计总体的未知数量特征做出以概率形式表述的推断。更概括地说,是在一段有限的时间内,通过对一个随机过程的观察来进行推断的。 统计学中,统计推断与描述统计相对应。 统计推断的結果常用來決定下一步的作法,可能是要做更深入的試驗或問卷,或是是決定是否要實行某項方案。.

新!!: 零假设和推論統計學 · 查看更多 »

显著性差异

顯著性差異(ρ),是統計學上對數據差異性的評價。 當數據之間具有了顯著性差異,就說明參與比對的數據不是來自於同一總體(population),而是來自於具有差異的兩個不同總體。.

新!!: 零假设和显著性差异 · 查看更多 »

拒绝域

#重定向 假設檢定.

新!!: 零假设和拒绝域 · 查看更多 »

重定向到这里:

虛無假設

传出传入
嘿!我们在Facebook上吧! »