一个网站为什么做的不好看,衣服定制app,wordpress 分类 输出,运用阿里云怎么做网站文章目录 1.假设检验的过程1.1问题的提出1.2证据的引入1.4做出结论 2.案例二#xff1a;汽车引擎排放2.1进行假设2.2假设检验的类型2.3抽样分布的类型2.4单尾#xff08;双尾#xff09;检验2.5t检验 3.案例三#xff1a;特鲁普效应3.1统计显著和效果显著3.2心理学现象3.3进… 文章目录 1.假设检验的过程1.1问题的提出1.2证据的引入1.4做出结论 2.案例二汽车引擎排放2.1进行假设2.2假设检验的类型2.3抽样分布的类型2.4单尾双尾检验2.5t检验 3.案例三特鲁普效应3.1统计显著和效果显著3.2心理学现象3.3进行假设检验 4.案例四AB测试4.2进行假设4.3计算样本概率的平均值4.4和显著水平进行比较 5.我的总结 之前一直遇到这个假设检验但是一直不理解这个假设性检验的过程今天在这个知乎上面看到了一个文章感觉这个里面的案例把这个假设性检验的过程描述的很详细分享一下 假设性检验生动讲解
下面我也是使用这个文章里面的案例加上自己的这个理解总结复盘一下
1.假设检验的过程
1.1问题的提出
下面的这个案例里面的任务我确实不是很熟悉但是这个案例确实很容易让我们理解这个假设性检验的过程
首先就是建立这个问题的两个假设
1零假设2备选假设
这两个假设其实是有关系的如果一个不成立另外一个肯定是成立的这两个假设在这个逻辑上面是互补的如果我们可以证明其中的一个另外一个肯定是成立的 1.2证据的引入
合理足够多的样本可以代表这个整体
在零假设成立的情况下这个马蓉没有出轨的概率是0.01%
## 1.3判断标准
我们的这个样本的这个统计的数据结果概率0.01%马蓉没有出轨
我们的判断的标准就是马蓉出轨的这个概率小于5%我们证明这个零假设成立但是这个里面的0.01%显然是小于这个5%的这个5%在我们的这个统计学里面是属于这个p值显著性水平在我们的这个概率里面这个p值是可进行选择的一般就是1%5%之类的我们下面的这个案例里面使用的就是5%,我们的这个概率就是和这个显著性水平进行比较的他是有自己的这个名字的 1.4做出结论
概率《《p值我们就可以证明这个零假设不成立也就是这个时候我们可以拒绝这个零假设因此我们的这个备选假设是成立的因此这个推理的结果就是马蓉出轨了备选假设 2.案例二汽车引擎排放
排放标准是这个排放平均值:20ppm,我们已知这个相关的统计数据
2.1进行假设
还是和上面的一样我们进行这个零假设和备选假设根据这个引擎的排放量的大小进行区分 2.2假设检验的类型
假设检验的类型目的和过程具体的案例单样本检验检验单个样本的平均值是不是等于目标数值某一个大学里面的这个学生的平均身高是不是大于全国的平均身高相关样本配对检验检验相关的样本的或者是配对的样本看看这个平均值是不是等于平均值检验一个群体服用减肥药前后的这个体重的变化缺点就是有残留效应独立双样本检验检验两个样本的平均值是否等于目标数值检验闯关游戏的教学方法是不是有效在这个课堂上面进行测试因为是独立检验因此需要大量数据
2.3抽样分布的类型
我们可以使用这个相关的内置函数python或者是matlab)把我们的这个数据集丢进去让这个内置函数进行判断我们的这个数据集是不是符合t分布 2.4单尾双尾检验
公式汽车引擎的排放标准就是20因此这个案例就是属于左尾检验 如果我们的这个假设属于是不等于某一个数值而不是单纯的大于或者是小于这个不等于就会要求我们考虑这个左右区间这个时候就是双尾检验这个时候两边的这个显著性水平都需要被判断 我们很多的计算软件或者是工具计算出来的这个都是双尾的p值单尾和双尾之间的关系就是我们使用这个双尾的计算结果除以2就是单尾的
2.5t检验
戈斯特学生t检验–这个就是我们的t检验的由来就是这个员工不允许发文章他就以一个笔名叫作“学生“的账号偷偷发文章后来变得很出名这个t检验就是他搞出来的他的名字就是上面说的这个戈斯特于是为了纪念这个检验就叫做学生t检验后来我们简单的说成是t检验
假设汽车引擎排放标准满足我们的零假设这个时候的样本数据的平均值的概率是0.0074即0.74%
上面的这个汽车的引擎排放标准就是属于单样本的单尾检验的范畴单样本就是我们的这个数据之间的关系都是相同的属性单尾就是我们的这个平均值是不是20判断的这个情况
3.案例三特鲁普效应
3.1统计显著和效果显著
假设检验统计显著是不是有差异
效应量存在差异的时候这个差异的大小
3.2心理学现象
就是我们的两组数据
1第一组这个字体内容和颜色一致我们进行朗读
2第二组的这个颜色和内容不一致我们进行朗读 下面的这个就是我们的分析结果可以说明一些问题即我们记住第二组需要花费更长的时间 3.3进行假设检验 因为第一组和第二组都是相同人员因此这个案例就是相关配对检验
因为这个是特鲁普效应存在就是第一次的这个测试数据小于第二组的因此这个使用的就是单尾检验里面的这个左尾检验
我们计算这个获取样本数据平均值的概率和我们的这个显著性水平进行比较就是和0.05进行比较因为是小于0.05所以这个原假设是不成立的证明这个效应存在的
4.案例四AB测试
给出来两个版本看看哪一个的效果会更加好
依据相同时间打错字的数量就是我们抽调两组人一组测试这个A版本一组测试这个B版本,这个时候查看他们的这个打错字的数量使用这个平均值衡量我们的两版本之间的这个差异是不是存在 4.2进行假设
零假设两个版本之间是没有差别的就是打错字的这个平均值是一样的
备选假设两个版本的这个差别是存在的两个的这个平均值不一样 4.3计算样本概率的平均值
独立双样本t检验而且是双尾检验因为这个备选假设里面是我们的两个版本的这个平均值是不一样的出现了这个不等号符合我们上面说过的这个双尾检验的这个情况 4.4和显著水平进行比较
上面的这个置信区间就是我们的这个1-显著水平也就是1-5%但是由于这个是双尾检验因此这个计算结果是和我们的2.5%进行比较的
效应量就是两者存在差异的情况下通过这个效应量计算这个差异的大小衡量我们的这个存在差异的一个程度
5.我的总结
1我之前学习这个机器学习的时候就说过一个好的案例是可以加深我们对于这个理论知识的理解的今天这三个案例我认为就是好的案例
2上面介绍的三个案例分属于不同的类型和检验方法覆盖的范围比较广我认为是很适合初学者进行学习的
3汽车引擎排放标准就是一个单尾检验的情况使用的方法就是我们的单样本的检验方法也就是计算我们的这组数据的平均值即可
4特鲁普这个是心理学的现象证明的是两个方式之间的这个平均值差异而且是第一组小于第二组使用的就是单尾检验使用的就是我们的相关样本的配对检验
5AB测试就是两组键盘的这个格式进行测试看看这个打错字的情况我们的这个假设就是两个情况之下这个平均值是不是一样的因此这个是独立双样本检验因为使用两个版本的不是一组人
6通过上面的三个案例我们了解了这个单样本检验双样本配对检验以及这个独立双样本检验知道了这个单尾双尾以及两只之间的这个转换关系这个也算是解决了我当前的疑惑因为用过spaa的小伙伴就知道这个spss进行分析的时候就出现最后一栏表示的就是我们的这个双尾之前一直不知道这个是什么今天总算知道了
7即使到这里这个并不是完结了因此这个具体的计算我没有实操由于一些原因而且自己对于这个置信区间理解的不是很明细后续会找案例看看这个具体的计算过程以及这个效应量置信区间的具体含义等等这个主要就是一个了解和入门一切只是刚刚开始
示的就是我们的这个双尾之前一直不知道这个是什么今天总算知道了
7即使到这里这个并不是完结了因此这个具体的计算我没有实操由于一些原因而且自己对于这个置信区间理解的不是很明细后续会找案例看看这个具体的计算过程以及这个效应量置信区间的具体含义等等这个主要就是一个了解和入门一切只是刚刚开始
8其实这个文章从昨天就开始写了但是已知想要加深理解所以今天又学了第二遍之前也学过这个假设性检验的一些教程但是都没有理解到现在的这个程度这个也让我意识到了一些知识的学习需要一个渐进的过程这两天学明白了并不代表之间的这个学习都是没用的就如同三个馒头的理论是一样的吃第三个馒头吃饱了并不代表前面的两个没有用~~这个也告诉我自己既不要在一个阶段停留太长时间可能是因为当时我们的这个知识储备和各方面没有到位但是我们在适当的时候对于之前的内容二次学习就会有新的理解和体会这个就是我这两天学习这个假设性检验的一个心得体会~
