引言
零假设是统计假设检验中的基本概念。它假设被测试的现象不存在或没有影响。如果零假设被证明是正确的,则我们说犯了类型 II 错误。
零假设
零假设通常表示为 H0。它陈述为:
H0: μ = μ0
其中:
μ 是总体的均值μ0 是预期的均值例如,假设我们想要测试新广告活动对销售额的影响。零假设将是:
H0: 广告活动不会影响销售额
类型 II 错误
类型 II 错误是指接受零假设,而实际上它是错误的。换句话说,它意味着我们认为现象不存在,而实际上它确实存在。类型 II 错误的概率称为 β。
如果零假设是正确的,则犯类型 II 错误的概率为零。这是因为,如果零假设是正确的,就没有现象可被检测到。因此,我们永远不会拒绝零假设。
示例
让我们考虑一个示例,其中零假设被证明是正确的。
假设我们想要测试新药物对癌症治疗的影响。零假设将是:
H0: 新药对癌症治疗无效
我们进行一项临床试验,结果表明,新药组和安慰剂组之间的治疗效果没有显着差异。因此,我们接受零假设。
在这种情况下,如果零假设是正确的,我们就不会犯类型 II 错误。这是因为,如果新药确实有效,我们就会观察到治疗效果的差异。但由于我们没有观察到差异,因此我们可以确信零假设是正确的。
结论
当零假设是正确的时,犯类型 II 错误的概率为零。这是因为,如果没有现象可被检测到,我们就永远不会拒绝零假设。了解这一概念对于正确解释统计假设检验的结果至关重要。
本文原创来源:电气TV网,欢迎收藏本网址,收藏不迷路哦!
添加新评论