#数据分析知识点--假设检验&第一二类错误_概率极限 0.001 第一类错误

1.假设检验&第一第二类错误
假设检验是先对总体参数提出一个假设值，然后利用样本信息判断这一假设是否成立

假设检验的基本逻辑就是：我们为了解决一个疑问，就先做一个假设，然后在这个假设的基础上推测已经发生了的事情的概率，如果这个概率低于我们设定的参考值（如0.05），则我们就拒绝假设；而如果这个概率大于0.05，则我们就没有理由来拒绝原假设。

假设检验的步骤：

• 提出原假设与备择假设
• 从所研究总体中抽取随机样本
• 构造检验统计量
• 根据显著性水平确定拒绝域临界值
• 计算检验统计量与临界值进行比较

做假设检验时会设置两个假设：
1.原假设（零假设H0） 一般是统计者想要拒绝的假设
2.备择假设（H1） 统计者想要接受的假设

我们通过样本数据判断总体参数的假设是否成立，但样本是随机抽取的，所以可能出现小概率错误，即 弃真错误 和 取伪错误

• 弃真错误（第一类错误、$\alpha$ 错误）：指原假设为真，但通过样本估计总体后拒绝了原假设。该错误的概率记为$\alpha$,这个值也是显著性水平，在假设检验前会规定该值的大小
• 取伪错误（第二类错误、$\beta$ 错误）: 指原假设为假，但通过样本估计总体后接受了原假设

所提的原假设一般是想要拒绝的假设，原因即是-原假设被拒绝出错的话只会犯弃真错误，而该错误的概率已经被规定的显著性水平控制，这样可以将错误影响降到最小

显著性水平是什么呢？
显著性水平—原假设实际正确时，检验统计量落在拒绝域的概率，即犯弃真错误的概率，该值一般根据业务制定
显著性水平越小，犯第一类错误的概率越小，一般取：0.01；0.05；0.1

拒绝域：

由显著性水平构成的区域，其主要用来判断假检验是否拒绝原假设，若样本的检验统计量值落在拒绝域就拒绝原假设，否则不拒绝原假设。
双侧检验拒绝域：

左侧检验拒绝域：

右侧检验拒绝域：

ref:https://zhuanlan.zhihu.com/p/86178674