显著性差异
两端的尾部，共占曲线下方面积的5%。]] 統計學的假說檢定中，顯著性差異（或统计学意义，）是對數據差異性的評價，當某次實驗的结果在虛無假說下不大可能发生时，就認為該結果具有顯著性差異。更準確而言，譬如某項研究設定了一個數值α（顯著水準），表示虛無假說本來正確但卻被拒絕的出錯概率（並非虛無假設為真的機率、對立假設為假的機率、實驗再現失敗率），然後用p值表示虛無假說条件为真時得到某結果或更極端结果的概率。當 p \leq \alpha 時，…
标签：#假設檢定
共 10 篇文章
内曼-皮尔逊引理
在统计学中，内曼-皮尔逊引理（）是假设检验的基本引理，由耶日·内曼和埃贡·皮尔逊于1933年提出。引理指出当零假设和备择假设均为简单假设时，在所有显著性水平相同的检验中统计功效最大。 假设检验是根据样本的观察结果，判断关于总体的命题真伪的方法。若要对某一命题的真伪做出判断，两种错误可能会发生：在命题为真时判断它为假，和在命题为假时判断它为真，两者分别称为第一类错误与第二类错误。发生第一类错误的概率即称作显著性水平，而不发生第二类错误的概…
女士品茶
女士品茶是羅納德·愛爾默·費雪（Ronald Fisher）设计的随机试验，并在他的《试验设计》（，1935）一书中得到记录。該實驗是費雪對虛無假設「從未被證明或建立，但可能在實驗過程中被推翻」概念的原始闡述。该示例大致基于费希尔生活中的一个事件。使用的测试是費雪精確檢定。 實驗內容 事先準備八杯奶茶，其中四杯先加牛奶再加入茶，另外四杯先加茶再加牛奶，共有兩種沖泡方式。之後由受試者以隨機順序試喝八杯奶茶。過程中，受試者可以多次試喝同一杯…
邦费罗尼校正
邦费罗尼校正（）是统计学中在多重比较时使用的一种校正方法，以意大利数学家卡罗·埃米利奥·邦费罗尼的名字命名。 令H_1,\ldots,H_m为一组假设，p_1,\ldots,p_m为每一假设相对应的p值。同时，m为零假设总数，m_0则为实际为真的零假设总数。族错误率（familywise error rate，简称FWER）指拒绝至少一个实际为真的零假设（即出现至少一次第一类错误）的概率。此时，邦费罗尼校正是指拒绝所有p_i\leq\f…
效应值
在統計學中，是量化現象強度的數值。效應值實際的統計量包括了兩個變數間的相關程度、迴歸模型中的迴歸係數、不同處理間平均值的差異……等等。無論哪種效應值，其絕對值越大表示效應越強，也就是現象越明顯。效應值與特效检验的概念是互補的。在估算統計檢定力、需要的與進行元分析時，效應值經常扮演重要角色。 在研究結果中給出效應值被視為恰當的或必須的。相對於統計學上的顯著性，效應值有利於了解研究結果的強度。特別是在社會科學和醫學研究上，效應值更顯得重要。…
對立假說
對立假說（，記作H_a或H_1），是做統計檢定時的一類假說。 假說檢定依樣本證據判斷對統計假說的真偽。其中虛無假說（Null hypothesis，記作H_0），通常由研究者決定，反映研究者對未知母數的看法，而站在虛無假說立場對立面的即為對立假說，需要透過統計檢定來證明對立假說為真，當有充足證據拒絕虛無假說時，即可接受對立假說，而若無充足證據證明對立假說為真時，則「不拒絕」虛無假說。 有不同的期望值與相同的變異數。]] 在統計學中，備擇…
序贯分析
在统计学中，序贯分析或序贯假设检验是一种样本量不预先固定的统计分析方法。在这种方法中，数据会随着收集的过程不断进行评估，一旦根据预先设定的终止规则观察到显著结果，便会停止进一步取样。因此，与传统的假设检验或估计方法相比，结论有时可以在更早阶段得出，从而显著降低财务成本和/或人力成本。 参见 * 累积和
型一錯誤與型二錯誤
型一錯誤與型二錯誤（）為统计学中推論統計學統計術語，表示統計學假說檢定中的两种錯誤。 簡介 在假說檢定中，有一種假說稱為“零假设”，記為H_0，假說检验的目的是利用統計的方式，推翻虛無假說的成立，也就是對立假說（Alternative hypothesis，記為H_a或H_1）成立。 假說檢定涉及選擇兩個相互競爭的命題，稱為零假設(Null hypothesis)，用H0表示，另一種對立假說(Alternative hypothesis…
假說檢定
假說檢定（）是推論統計中用于检验現有数据是否足以支持特定假设的方法。一旦能估計未知母數，就會希望根據結果對未知的真正母數值做出適當的推論。 有不同的期望值與相同的變異數。]] 欲檢驗統計上假設的正確性的為虛無假說（Null hypothesis，記為H_0），虛無假設通常由研究者決定，反映研究者對未知參數的看法。相對於虛無假說的其他有關參數之論述是對立假說（Alternative hypothesis，記為H_a或H_1），它通常反應了…
偽發現率
-{zh-tw:偽發現率;zh-cn:假发现率;}-（False discovery rate, FDR）完善了对多重假设测试的检验， \mathrm{FDR} = Q_e = \mathrm{E}\!\left [Q \right ], 其中E表示期望，Q = V/R = V/(V+S)，V表示错误拒绝零假设的数目，R表示拒绝零假设的数目。R取0时FDR直接取0，写成一句话就是 \mathrm{FDR} = \mathrm{E}\!\…