參數(shù)檢驗(yàn)

** U檢驗(yàn)**：

• 前提：在正太分布的樣本均值u0和總體方差已知的情況下，雙側(cè)檢驗(yàn)問(wèn)題檢驗(yàn)總體均值u=u0嗎振峻？
  P(|u-u0|>k)=a；拒絕域就是|u-u0|>k，落在拒絕域的概率是a涝动，是顯著性水平。
• 怎么確定k值：引入了U統(tǒng)計(jì)量~N(0,1)炬灭，計(jì)算醋粟，當(dāng)u>ua的概率就是a，當(dāng)a確定之后，ua是確定的昔穴，所以k也是確定的镰官。但因?yàn)樯厦嬗薪^對(duì)值，u-u0>k的概率和u-u0<-k的概率是a吗货，那么對(duì)稱性可知泳唠，一側(cè)的概率是a/2
  同理，單側(cè)檢驗(yàn)問(wèn)題u<u0,那么拒絕域就是u-u0>k值宙搬，這個(gè)和上面是一樣的笨腥，或者u>u0嗎？這個(gè)拒絕域是（小并且小了很多）u-u0<-k勇垛。
  可以寫(xiě)成更容易計(jì)算的形式：|u|>ua,是拒絕域脖母，拒絕假設(shè)u=u0；
• 應(yīng)用： 檢驗(yàn)兩個(gè)正太分布的期望是否有顯著差異闲孤；不過(guò)得總體方差已知谆级，這個(gè)實(shí)際中大多方差都是不知道的

單樣本的t檢驗(yàn)

• 前提：在正太分布的樣本均值已知u0和總體方差未知，檢驗(yàn)總體均值u=u0嗎讼积？

• 和U檢驗(yàn)類(lèi)似肥照，不過(guò)引入的是T統(tǒng)計(jì)量t（n-1），也是正好借助這個(gè)統(tǒng)計(jì)量中有的u-u0確定k勤众。ta代表的是舆绎，t>ta的概率是a,用|t|>t(a/2)來(lái)表示雙側(cè)檢驗(yàn)的拒絕域，用t>ta來(lái)表示單側(cè)u<u0的拒絕域们颜，t<-ta表示單側(cè)u>u0的拒絕域

• 落在拒絕域：就是拒絕不等式成立吕朵，就代表假設(shè)不成立

• 怎么確定k值：對(duì)于單側(cè)檢驗(yàn)的話，u>u0,拒絕域u-u0<-k,因?yàn)镻((u-u0)/S/sqrt(n)>ta)=a,所以t<-ta,

• 應(yīng)用：看某個(gè)正態(tài)分布的期望是否為C窥突，或者已知之前的平均值努溃，現(xiàn)在一組實(shí)驗(yàn)看與之前平均值有無(wú)顯著差異。例如：在excel中做單樣本的t檢驗(yàn)怎么做波岛？

• Paste_Image.png

** 雙樣本的t檢驗(yàn)**

• 前提：兩組正太分布茅坛，相互獨(dú)立≡蚩剑總體方差均未知贡蓖。兩組數(shù)據(jù)的均值是否相同？

• 確定拒絕域：假設(shè)u1-u2=0煌茬，拒絕域|u|>u(a/2).假設(shè)u1-u2>0,拒絕域?yàn)?u<-ua斥铺，假設(shè)u1-u2<0,拒絕域?yàn)閡>ua

• 應(yīng)用：看兩組數(shù)的平均值是否存在顯著差異。例如：可以在excel中“數(shù)據(jù)分析”中直接使用該工具坛善。在excel中a指的是雙尾檢驗(yàn)時(shí)的a晾蜘，單尾檢驗(yàn)就變成2*a

  
  
  Paste_Image.png

• 為什么不直接比較兩組數(shù)據(jù)的均值邻眷？，因?yàn)閱螁问怯?jì)算兩組數(shù)據(jù)平均值剔交，這樣的結(jié)論還不能令人信服肆饶，因?yàn)檫@個(gè)差距可能是因?yàn)槌闃拥碾S機(jī)性而來(lái)，不一定反映本質(zhì)岖常，所以要考慮用假設(shè)檢驗(yàn)來(lái)處理這個(gè)問(wèn)題驯镊。

• excel中還會(huì)多兩個(gè)t-檢驗(yàn)，如下圖：
  Paste_Image.png

• 大樣本
  在方差未知的情況下竭鞍，可以用樣本方差代替板惑；T分布可以近似看成U分布。因?yàn)門(mén)的極限情況就是正太

** 兩個(gè)樣本方差檢驗(yàn)（F檢驗(yàn)）**

• 前提： 總體期望未知偎快，樣本方差已知冯乘，用樣本方差代替總體方差，看S1和S2的比值晒夹。近似F（n1-1裆馒，n2-1）.
• 拒絕域：假設(shè)o1=o2，則拒絕域是s1/s2>k1或者s1/s2<k2,因?yàn)镕分布是不對(duì)稱分布惋戏，因此k1=Fa领追，k2=F(1-a)，雙側(cè)檢驗(yàn)响逢，所以顯著性水平a也要除以2.

• 應(yīng)用：在兩組樣本t檢驗(yàn)之前，要先看兩個(gè)方差是否有顯著性差異棕孙，例如舔亭，在excel中如下：
  Paste_Image.png

** 單個(gè)樣本的方差檢驗(yàn)（卡方檢驗(yàn)）**

• 前提：正太分布的樣本，總體均值未知蟀俊，樣本方差S已知
• 確定拒絕域：引入了X2統(tǒng)計(jì)量钦铺，S和o2的比值，比值小于k1或者大于k2.
• 應(yīng)用：用來(lái)看觀察值與理論值的偏差

分布檢驗(yàn)

• 分布檢驗(yàn)的假設(shè)
  H0：X的分布函數(shù)為F（x）肢预；將該假設(shè)轉(zhuǎn)化為H0總體值在區(qū)間Ii內(nèi)的概率為pi
• 正太分布檢驗(yàn)
  先計(jì)算這個(gè)區(qū)間的理論概率p（Ua-U(a-1)）矛洞，頻數(shù)就是np,在一組樣本中我們知道每個(gè)區(qū)間內(nèi)數(shù)據(jù)的頻數(shù)a，用卡方檢驗(yàn)如果X(計(jì)算出來(lái))>Xa(查表得到)烫映，則可以認(rèn)為服從正太分布沼本。X計(jì)算公式特別像一個(gè)誤差計(jì)算
• 應(yīng)用：在參數(shù)估計(jì)和假設(shè)檢驗(yàn)中往往是假定某組數(shù)服從正太分布，但實(shí)際中我們往往不知道某組數(shù)的分布情況锭沟，因此必須先根據(jù)樣本對(duì)總體分布進(jìn)行檢驗(yàn)抽兆。
  例如在SPSS里面有P-P圖（正太概率圖）、QQ圖族淮，還有KS檢驗(yàn)

輔助檢驗(yàn)方法：1）觀察正態(tài)概率圖辫红，如果數(shù)據(jù)來(lái)自正態(tài)分布凭涂，圖形的散點(diǎn)應(yīng)該呈現(xiàn)一條直線状勤。2）繪制數(shù)據(jù)的條形圖棠笑，如果數(shù)據(jù)來(lái)自正態(tài)分布醉途，條形圖呈現(xiàn)“鐘形”分布精算。3）觀察描述性統(tǒng)計(jì)量中偏度系數(shù)（Skewness）g1和峰度系數(shù)（Kurtosis）g2抛猫，如果數(shù)據(jù)來(lái)自正態(tài)分布续捂，則兩者都應(yīng)該是0（適合大樣本瓷式，僅當(dāng)N>30時(shí)才有效）馋贤。

異常值檢驗(yàn)

• 格布拉斯準(zhǔn)則（G檢驗(yàn)）：總體要服從正太分布绢片，樣本量小滤馍，假設(shè)檢驗(yàn)，G=（Xavg-Xmin）/標(biāo)準(zhǔn)差底循，再和表中對(duì)比巢株。只能檢測(cè)出來(lái)某個(gè)值是否為異常值，如果是的話熙涤，還要一直循環(huán)阁苞。
  適用于小樣本；但局限是祠挫，當(dāng)同側(cè)異常值較為接近時(shí)那槽，效果不好。
• 拉依達(dá)準(zhǔn)則：總體要服從正太分布等舔，且樣本量大（n必須大于10）骚灸。u+3o和u-3o的概率很小。這樣可以得到一個(gè)最大最小值的臨界點(diǎn)

• 箱圖：總體不用服從正太分布慌植。異常值區(qū)間（1/4相位點(diǎn)-1.5*（3/4-1/4相位點(diǎn)值）甚牲，3/4相位點(diǎn)+1.5（3/4-1/4相位點(diǎn)值）），例如在excel中

  
  
  Paste_Image.png