未记录事实核验 · 状态：现行内容

记录仅说明核验时间与维护状态，不保证适用于所有环境；使用前请留意正文中的版本、适用条件与风险提示。

假设检验（Hypothesis Testing）

什么是假设检验？

生活化理解

想象你是一名侦探，需要判断嫌疑人是否有罪：

1. 设定假设：假设嫌疑人无罪（原假设H₀）
2. 收集证据：通过调查获取证据（样本数据）
3. 评估证据：如果证据强烈指向有罪，且足以推翻"无罪推定"
4. 做出判决：证据充分就判定有罪（拒绝原假设），否则维持无罪（不拒绝原假设）

这就是假设检验的核心逻辑——通过反证来推断真相。

实际应用场景

领域	问题示例	原假设H₀	备择假设H₁
医学	新药是否更有效？	新药效果≤旧药	新药效果>旧药
教育	新教学法是否提高成绩？	平均成绩≤75分	平均成绩>75分
质量控制	产品合格率是否达标？	合格率≤90%	合格率>90%
市场研究	A/B测试哪个版本更好？	转化率A=转化率B	转化率A≠转化率B

核心概念深入理解

假设的类型

1. 原假设（H₀）与备择假设（H₁）

示例分析：

双尾检验（Two-tailed test）

• 研究问题：某班级平均成绩是否为75分？
• H₀: μ = 75（平均成绩等于75分）
• H₁: μ ≠ 75（平均成绩不等于75分）
• 适用于：不确定方向的差异检验

右尾检验（Right-tailed test）

• 研究问题：新教学方法是否能提高成绩？
• H₀: μ ≤ 75（新方法不能提高成绩）
• H₁: μ > 75（新方法能提高成绩）
• 适用于：检验是否有改进或增长

左尾检验（Left-tailed test）

• 研究问题：新工艺是否能降低不良率？
• H₀: p ≥ 0.05（不良率不低于5%）
• H₁: p < 0.05（不良率低于5%）
• 适用于：检验是否有减少或降低

2. 决策错误类型

假设检验中可能出现两种错误，用生活化的例子来理解：

第一类错误（α错误）：

• 定义：原假设为真，但错误地拒绝了
• 生活例子：一个健康的人被误诊为有病
• 法庭例子：无罪的人被判有罪
• 概率：P(拒绝H₀ | H₀为真) = α（显著性水平）

第二类错误（β错误）：

• 定义：原假设为假，但未能拒绝
• 生活例子：生病的人被误诊为健康
• 法庭例子：有罪的人被判无罪
• 概率：P(不拒绝H₀ | H₀为假) = β

关键概念：

• 显著性水平α：我们愿意承受第一类错误的最大概率（通常设为0.05）
• 检验力（1-β）：正确拒绝假原假设的概率，检验力越高越好

假设检验实施步骤

七步检验流程

%%{init: {"theme":"base","themeVariables":{"fontFamily":"PingFang SC, -apple-system, Source Han Serif SC, serif","fontSize":"16px","background":"#FDFBF5","primaryColor":"#FDFBF5","primaryTextColor":"#2D2A26","primaryBorderColor":"#6E6A60","secondaryColor":"#E8EFE8","secondaryBorderColor":"#8FA890","secondaryTextColor":"#2D2A26","tertiaryColor":"#FDFBF5","tertiaryBorderColor":"#9A9488","tertiaryTextColor":"#6E6A60","lineColor":"#6E6A60","textColor":"#2D2A26","mainBkg":"#FDFBF5","nodeBorder":"#2D5A3D","clusterBkg":"#F3EEDF","clusterBorder":"#9A9488","edgeLabelBackground":"#FDFBF5"},"flowchart":{"htmlLabels":true,"curve":"basis","padding":20,"nodeSpacing":60,"rankSpacing":70,"useMaxWidth":false},"themeCSS":".node rect, .node polygon, .node circle { stroke-width: 1.5px; } .edgePath .path { stroke-width: 1.5px; } .cluster-label .nodeLabel, .cluster-label foreignObject { color: #2D2A26 !important; } .edgeLabel, .edgeLabel foreignObject { color: #2D2A26 !important; background-color: #FDFBF5; } .edgeLabel rect { fill: #FDFBF5; }"}}%%
flowchart TD
    A[1、建立假设] --> B[2、选择显著性水平α]
    B --> C[3、选择检验统计量]
    C --> D[4、确定拒绝域]
    D --> E[5、计算统计量]
    E --> F[6、做出决策]
    F --> G[7、得出结论]
    
    style A fill:#e1f5fe
    style G fill:#e8f5e8

详细步骤说明

步骤1：建立假设

• 原假设H₀：通常是现状或无差异的假设
• 备择假设H₁：研究者想要证明的假设

步骤2：选择显著性水平

• 常用：α = 0.05（最常用）、0.01（更严格）、0.001（极严格）
• α越小，检验越严格，但可能遗漏真实效应

步骤3：选择检验统计量

• 连续数据的均值检验：总体标准差未知时通常使用t统计量；总体标准差已知且满足相应分布或近似条件时可使用z统计量，不能仅按样本大小选择
• 分类数据：χ²统计量
• 取决于：数据类型、样本大小、分布假设

步骤4：确定拒绝域

• 单尾检验：左尾或右尾的极值区域
• 双尾检验：两端的极值区域

步骤5：计算统计量

• 基于样本数据计算相应的检验统计量

步骤6：做出决策

• 方法1：统计量是否落在拒绝域内
• 方法2：p值是否小于α

步骤7：得出结论

• 用业务语言解释统计结论的实际意义

常用假设检验方法

检验方法选择指南

数据类型	样本数	检验目的	推荐方法
连续数据	1个样本	检验均值	单样本t检验
连续数据	2个样本	比较均值	双样本t检验
连续数据	3+个样本	比较均值	方差分析(ANOVA)
分类数据	1个样本	检验比例	比例z检验
分类数据	2个样本	比较比例	双比例z检验
分类数据	列联表	独立性检验	卡方检验

t检验详解

1. 单样本t检验

应用场景：检验样本均值是否等于某个特定值

基本代码示例：

import scipy.stats as stats
import numpy as np

# 示例：检验班级平均成绩是否为80分
scores = [78, 82, 85, 79, 88, 76, 90, 84, 87, 81]
target_mean = 80

# 执行单样本t检验
t_stat, p_value = stats.ttest_1samp(scores, target_mean)

print(f"t统计量: {t_stat:.3f}")
print(f"p值: {p_value:.4f}")

# 决策
if p_value < 0.05:
    print("拒绝原假设：平均成绩显著不等于80分")
else:
    print("不拒绝原假设：平均成绩可能等于80分")

2. 双样本t检验

应用场景：比较两组数据的均值是否有显著差异

基本代码示例：

# 示例：比较两个班级的成绩
class_a = [78, 82, 85, 79, 88, 76, 90, 84, 87, 81]
class_b = [75, 79, 81, 76, 84, 73, 86, 80, 83, 77]

# 执行双样本t检验
# 假设两组观测相互独立；使用不要求两组总体方差相等的Welch t检验
# 小样本下还需考虑总体分布及异常值影响
t_stat, p_value = stats.ttest_ind(class_a, class_b, equal_var=False)

print(f"班级A均值: {np.mean(class_a):.2f}")
print(f"班级B均值: {np.mean(class_b):.2f}")
print(f"t统计量: {t_stat:.3f}")
print(f"p值: {p_value:.4f}")

卡方检验

1. 卡方拟合优度检验

应用场景：检验观察频数是否符合期望分布

# 示例：检验骰子是否公平
observed = [95, 103, 98, 107, 92, 105]  # 实际观察次数
expected = [100, 100, 100, 100, 100, 100]  # 期望次数

chi2_stat, p_value = stats.chisquare(observed, expected)
print(f"χ²统计量: {chi2_stat:.3f}, p值: {p_value:.4f}")

2. 卡方独立性检验

应用场景：检验两个分类变量是否独立

# 示例：性别与专业选择的关联性
contingency_table = [[30, 20, 10], [15, 35, 25]]  # 示例列联表：两类性别、三类专业

chi2, p_value, dof, expected = stats.chi2_contingency(contingency_table)
print(f"χ²统计量: {chi2:.3f}, p值: {p_value:.4f}")

p值的理解和常见误区

p值的本质含义

通俗解释：

• 如果p = 0.03，意思是：假设原假设为真，出现当前或更极端数据的概率只有3%
• 这个概率很小，让我们怀疑"原假设为真"这个前提条件
• 若预先设定α = 0.05，则因p = 0.03 < α而拒绝原假设；若α = 0.01，则不拒绝

决策规则

• p < α（如0.05）：拒绝原假设，结果统计显著
• p ≥ α：不拒绝原假设，结果不显著

常见误区与纠正

实际应用案例

案例1：A/B测试

业务场景：网站测试新设计是否能提高转化率

数据：

• A版本（原版）：1000访客，50次转化，转化率5.0%
• B版本（新版）：1000访客，62次转化，转化率6.2%

分析步骤：

from statsmodels.stats.proportion import proportions_ztest

# 执行双比例检验
counts = [50, 62]
nobs = [1000, 1000] 
z_stat, p_value = proportions_ztest(counts, nobs)

print(f"Z统计量: {z_stat:.3f}, p值: {p_value:.4f}")
# 默认双侧检验：Z约为-1.167，p约为0.243
# 在α = 0.05下不拒绝两版本转化率相等的原假设

结论：B版本的样本转化率高于A版本，但默认双侧检验在α = 0.05下不显著，尚不足以认定新版总体转化率更高或仅据此建议采用新设计。若研究目标是检验提升，应事先明确单侧备择假设和样本量计划，不能看过结果后再改变检验方向。

案例2：质量控制

业务场景：工厂检查产品直径是否符合10.0mm标准

数据：抽检30个样本，样本均值10.05mm，标准差0.12mm

分析步骤：

import scipy.stats as stats

# 单样本t检验
# 未提供原始测量值，改用正文给定的汇总统计量
# 将0.12mm视为样本标准差；假设观测独立且满足单样本t检验条件
sample_mean, sample_std, sample_n = 10.05, 0.12, 30
t_stat = (sample_mean - 10.0) / (sample_std / sample_n**0.5)
p_value = 2 * stats.t.sf(abs(t_stat), df=sample_n - 1)

print(f"t统计量: {t_stat:.3f}, p值: {p_value:.4f}")
# 预先设定α = 0.05；若p < α，则拒绝总体均值等于10.0mm的原假设
# 这不等同于判定产品不符合公差或生产过程不稳定

结论：在所述假设成立且预先设定α = 0.05时，t约为2.282，双侧p约为0.030，可拒绝总体均值等于10.0mm的原假设。是否调整生产设备还需结合允许公差、偏差的实际影响和过程稳定性等信息，不能仅凭该p值决定。

注意事项与最佳实践

样本量的影响

现象：样本量越大，越容易检测出差异

含义：

• 大样本下，即使微小的差异也可能有显著的p值
• 小样本可能错过真实的重要差异（第二类错误）
• 需要平衡统计显著性与实际重要性

多重比较问题

问题：进行多次检验会增加整体的假阳性率

解决方法：

• Bonferroni校正：α' = α/n（n为检验次数）
• FDR控制：控制错误发现率
• 计划比较：事先设定具体的比较计划

效应量的重要性

为什么需要效应量：

• p值只告诉我们差异是否显著
• 效应量告诉我们差异有多大
• 帮助判断结果的实际意义

Cohen's d解释标准：

• 0.2：小效应
• 0.5：中等效应
• 0.8：大效应

# 效应量计算示例
def cohens_d(group1, group2):
    n1, n2 = len(group1), len(group2)
    pooled_std = np.sqrt(((n1-1)*np.var(group1,ddof=1) + (n2-1)*np.var(group2,ddof=1)) / (n1+n2-2))
    return (np.mean(group2) - np.mean(group1)) / pooled_std

实用建议

1. 报告完整信息：同时报告p值、效应量和置信区间
2. 避免p值偏见：不要过分关注p=0.05这个临界值
3. 考虑实际意义：统计显著不等于实际重要
4. 预先设定样本量：基于效应量和检验力分析
5. 检查假设条件：确保数据满足所选检验方法的前提

相关知识链接

• t检验 - 最常用的假设检验方法
• 卡方检验 - 分类数据的假设检验
• 方差分析（ANOVA） - 多组比较的方法
• 正态分布 - 许多检验方法的理论基础
• 置信区间 - 与假设检验互补的推断方法
• 中心极限定理 - 大样本检验的理论支撑

---

#统计学 #假设检验 #统计推断 #t检验 #卡方检验 #p值