假设检验——T-test, F-test, Z-test ,Chi squared test

T-test

用来比较两样本平均值之间是否具有显著性差异。
T-test类型：

• one-sample t-test，用来比较单个样本平均值和一个给定的平均值（理论值）；
• independent samples t-test（ unpaired two sample t-test），用来比较两组独立样本平均值；
• paired t-test，用来比较两个相关样本组之间的平均值

Z-test

用标准正态分布的理论来推断差异发生的概率，比较样本的平均数和数据总体的平局数的差异是否显著。

F-test

• 方差齐性检验（F-test of equality of variances）
• 方差分析（Analysis of Variance, ANOVA）
• 线性回归方程整体的显著性检验

方差齐性检验

要求：样本来自两个独立的、服从正态分布的总体
去判断两总体方差的差异是否显著

完全随机设计的单因素方差分析（ANOVA）

假设我们要研究一个因素对于一个指标的影响，试图比较这个因素内各个取值水平对于这个指标的影响是否相同

线性回归方程整体的显著性检验

多元线性回归的F检验是用来检验线性方程整体的显著性，可以理解为“线性模型”这个假定对于解释被解释变量的变动是否显著，也就是说当方程的F检验不显著时，就要考虑非线性的模型了。

Chi Squared Test

卡方检验就是统计样本的实际观测值与理论推断值之间的偏离程度，实际观测值与理论推断值之间的偏离程度就决定卡方值的大小，如果卡方值越大，二者偏差程度越大；反之，二者偏差越小；若两个值完全相等时，卡方值就为0，表明理论值完全符合。