假设检验

卡方检验， 检验结果值是由样本差异造成的、还是具有统计意义
http://blog.sina.com.cn/s/blog_46e493570100lod2.html

 

反垃圾中的零假设： 假设这封邮件是正常邮件。
type 1 error, false positive, error of rejecting 零假设 when it is actually true   【把正常邮件判为垃圾邮件】
type 2 error, false negative, error of failing to reject 零假设 when it is false   【把垃圾邮件判为正常邮件】

零假设一般是有意推翻的假设； 零假设通常是普遍的、或者默认的情况。 【如，邮件默认就是正常邮件。。？】
不拒绝不代表接受其alternative假设

u test & t test
student t test: 样本较小的情况下（例如n<30）， 用于判断两个平均数的差异是否显著。
如
A 通过大规模调查得到一般婴儿出生体重为3.3kg
B 统计了n=35个婴儿，平均体重为3.42, S=0.40； S是样本标准差、或者分布的标准差
问， 这两个东东相同否？
t test 解：
1 建立假设，确定检验水准alpha
H0: 相同 （零假设， 没有显著差异， 无关； 零假设也称为无关假设）
H1: 不相同
alpha=0.05；单侧检验
2 计算t检验统计量
t=(3.42-3.3)/(0.4/sqrt(35))=1.77, 自由度=35-1=34； 查表得到P>alpha, 不能拒绝H0, 两者的差异无统计学意义。
http://www.med66.com/html/2005/8/hu6404551514850022505.html

统计学家：事件发生的概率 P <= 0.05称之为小概率事件。 这里的0.05就是上文的alpha值：检验水准。 当P 低于alpha时，拒绝原假设
假设检验的基本思想是： 先提出假设， 然后在假设成立的前提下看实际情况是否属于小概率时间； 若属于则拒绝该假设，否则不拒绝