各個假設檢驗方法如何區分使用

① 檢驗假設的方法

常用的假設檢驗的方法有以下四種: （1）Z檢驗。Z檢驗常用於總體正態分布、方差已知或獨立大樣本的平均數的顯著性和差異的顯著性檢驗，非正態分布的皮爾森積差相關系數和二列相關系數的顯著性檢驗以及兩個相關系數分別由兩組被試得到的相關系數差異性檢驗等情況。 （2）t檢驗。t檢驗常用於總體正態分布、總體方差未知或獨立小樣本的平均數的顯著性檢驗，平均數差異顯著性檢驗，相關系數由同一組被試取得的相關系數差異顯著性檢驗，非正態分布的皮爾森相關系數的顯著性檢驗等情況。

② 統計學的假設檢驗方法

統計學假設檢驗主要有T檢驗、Z檢驗兩種方法，具體內容是：
1、T檢驗，亦稱student t檢驗（Student's t test），主要用於樣本含量較小（例如n<30），總體標准差σ未知的正態分布資料。
2、z檢驗（U檢驗），是一般用於大樣本(即樣本容量大於30)平均值差異性檢驗的方法。它是用標准正態分布的理論來推斷差異發生的概率，從而比較兩個平均數的差異是否顯著。
除以上兩種主要方法外，還有F檢驗和卡方檢驗。

③ 假設檢驗分類

在做數據驗證、模型驗證的時候，經常需要做一些假設檢驗，以檢驗得到的數據是否存在某種統計規律、模型的准確性。

下面各用一句話總結常用的幾種假設檢驗的適應情況，方便查驗：

• T test 小樣本量(樣本容量小於30)時用以比較兩個平均值的差異是否顯著
  

• Z test 大樣本量(樣本容量大於30)時用以比較兩個平均值的差異是否顯著

• 卡方檢驗 用以檢驗實驗觀測值與理論推斷值是否一直：函數擬合時檢驗擬合的質量

• K-S檢驗 用以檢驗兩個經驗分布是否一致 或者一個經驗分布與理論分布是否一致

④ 如何確定假設檢驗的方法

統計學中假設檢驗的基本步驟：

1.建立假設，確定檢驗水準α

假設有零假設（H0）和備擇假設（H1）兩個，零假設又叫作無效假設或檢驗假設。H0和H1的關系是互相對立的，如果拒絕H0，就要接受H1，根據備擇假設不同，假設檢驗有單、雙側檢驗兩種。

檢驗水準用α表示，通常取0.05或0.10，檢驗水準說明了該檢驗犯第一類錯誤的概率。

2.根據研究目的和設計類型選擇適合的檢驗方法

這里的檢驗方法，是指參數檢驗方法，有u檢驗、t檢驗和方差分析三種，對應於不同的檢驗公式。對雙樣本資料，要注意區分成組設計和配對設計的資料類型。如果資料里有"配成對子"字樣，或者是對同一對象用兩種方法來處理，一般就可以判定是配對設計資料。

3.確定P值並作出統計結論

u檢驗得到的是u統計量或稱u值，t檢驗得到的是t統計量或稱t值。方差分析得到的是F統計量或稱F值。將求得的統計量絕對值與界值相比，可以確定P值。

當α＝0.05時，u值要和u界值1.96相比較，確定P值。如果u＜1.96，則P＞0.05.反之，如u＞1.96，則P＜0.05.t值要和某自由度的t界值相比較，確定P值。如果t值＜t界值，故P＞0.05.反之，如t＞t界值，則P＜0.05。

相同自由度的情況下，單側檢驗的t界值要小於雙側檢驗的t界值，因此有可能出現算得的t值大於單側t界值，而小於雙側t界值的情況，即單側檢驗顯著，雙側檢驗未必就顯著，反之，雙側檢驗顯著，單側檢驗必然會顯著。即單側檢驗更容易出現陽性結論。

當P＞0.05時，接受零假設，認為差異無統計學意義，或者說二者不存在質的區別。當P＜0.05時，拒絕零假設，接受備擇假設，認為差異有統計學意義，也可以理解為二者存在質的區別。但即使檢驗結果是P＜0.01甚至P＜0.001，都不說明差異相差很大，只表示更有把握認為二者存在差異。

⑤ 假設檢驗方法有幾種

假設檢驗是不可能做到完全正確的，它只能保證假設在最大概率上的成立。
一般雙側U-檢驗的做法就是你列出的檢驗法1。

利用檢驗法2或3，表面上結果是檢驗水平a下進行的，但實際內在的結果是：假設是在檢驗水平為b時成立；其中b可能大於a，也可能小於a。也就是說
（1）(當假設值與真實值差別非常小時) b≥a，即在比a更高的檢驗水平下也能成立，若使用這種檢驗法，則「棄真」的概率就更大；
（2）(當假設值與真實值差別比較大時) b≤a，即只有在比a低的檢驗水平下才能成立，若使用這種檢驗法，則「納偽」的概率就更大。
所以一般不採用檢驗法2和3。

可以想像，檢驗法1中，u2和u1的大小關系是由契比學夫不等式確定的，只有成立與不成立的情況，沒有程度關系。
而在檢驗法2和3中，u0或xx落在置信區間內的具體位置對其概率的影響是很大的，所以檢驗的結果也不一定準確，至少檢驗的結果不是對應於檢驗水平a的。

如果是通過矩估計法得到的u0，那麼你列出的檢驗法2和檢驗法3就是一回事，u0＝xx。

⑥ 統計學假設檢驗有幾種方法具體是什麼

一兩句話說不完:
假設檢驗就是根據樣本，適當構造一個統計量，按照某種規則，決定是接受 H0( 拒絕H1 )還是拒絕 H0( 接受H1 )，所使用的統計量稱為檢驗統計量．
分雙邊檢驗與單邊檢驗.
參考
http://www.ncit.e.cn/yysx/ktz/shuxue/admin/upload/files/8.doc
http://dec3.jlu.e.cn/webcourse/t000133/esource/dzja/p08.ppt

⑦ 在假設檢驗中如何區分左單側檢驗與右單側檢驗

區分左單側檢驗與右單側檢驗的方法：

單側檢驗包括左單側檢驗和右單側檢驗兩種。如果所要檢驗的是樣本所取自的總體的參數值是否大於某個特定值時，則採用右單側檢驗；反之，若所要檢驗的是樣本所取自的總體的參數值是否小於某個特定值時，則採用左單側檢驗。

雙側檢驗，就是指當統計分析的目的是要檢驗樣本平均數和總體平均數，或樣本成數有沒有顯著差異，而不問差異的方向是否是正差還是負差時，所採用的一種統計檢驗方法。

注意事項：

強調某一方向的檢驗叫單側檢驗，如要檢驗樣本A均值是否顯著大於樣本B，可採取單側檢驗。

如果所要檢驗的是樣本所取自的總體的參數值是否大於某個特定值時，則採用右側檢驗。反之，若所要檢驗的是樣本所取自的總體的參數值是否小於某個特定值時，則採用左側檢驗。

⑧ 如何確定假設檢驗的方法

什麼是假設檢驗：假設檢驗(hypothesis
testing)是數理統計學中根據一定假設條件由樣本推斷總體的一種方法。具體作法是：根據問題的需要對所研究的總體作某種假設，記作h0；選取合適的統計量，這個統計量的選取要使得在假設h0成立時，其分布為已知；由實測的樣本，計算出統計量的值，並根據預先給定的顯著性水平進行檢驗，作出拒絕或接受假設h0的判斷。常用的假設檢驗方法有u—檢驗法、t檢驗法、χ2檢驗法(卡方檢驗)、f—檢驗法，秩和檢驗等。
假設檢驗的基本步驟如下：
1、提出檢驗假設又稱無效假設，符號是h0；備擇假設的符號是h1。
h0：樣本與總體或樣本與樣本間的差異是由抽樣誤差引起的；
h1：樣本與總體或樣本與樣本間存在本質差異；
預先設定的檢驗水準為0.05；當檢驗假設為真，但被錯誤地拒絕的概率，記作α，通常取α=0.05或α=0.01。
2、選定統計方法，由樣本觀察值按相應的公式計算出統計量的大小，如x2值、t值等。根據資料的類型和特點，可分別選用z檢驗，t檢驗，秩和檢驗和卡方檢驗等。
3、根據統計量的大小及其分布確定檢驗假設成立的可能性p的大小並判斷結果。若p>α，結論為按α所取水準不顯著，不拒絕h0，即認為差別很可能是由於抽樣誤差造成的，在統計上不成立；如果p≤α，結論為按所取α水準顯著，拒絕h0，接受h1，則認為此差別不大可能僅由抽樣誤差所致，很可能是實驗因素不同造成的，故在統計上成立。p值的大小一般可通過查閱相應的界值表得到。
教學中的做法:
1.根據實際情況提出原假設和備擇假設；
2.根據假設的特徵，選擇合適的檢驗統計量；
3.根據樣本觀察值，計算檢驗統計量的觀察值(obs)；
4.選擇許容顯著性水平，並根據相應的統計量的統計分布表查出相應的臨界值(ctrit)；
5.根據檢驗統計量觀察值的位置決定原假設取捨。