当进行假设检验时，我们从头开始假设零假设 (H0) 为真。我们收集数据并计算样本统计量。如果样本统计量与零假设预测不一致，我们会拒绝零假设，并且说它不正确。
当我们拒绝零假设时，我们有两个选择：
- 接受备择假设 (H1)
- 保持零假设
当我们接受备择假设时，我们相信备择假设是正确的。当我们保持零假设时，我们认为没有足够的证据拒绝它。
做出的决定取决于样本统计量的显着性或 p 值。p 值是根据样本统计量计算的概率，它表示观察到该统计量或更极端的统计量假设零假设为真的概率。如果 p 值小于显著性水平，则拒绝零假设。显著性水平通常为 0.05。
以下是当零假设被拒绝时可以接受的结果：
- 1 型错误： 拒绝零假设时零假设实际上为真。这是科学家最不想犯的错误。
- 2 型错误： 未能拒绝零假设时替代假设实际上为真。这比 Type I 错误更难避免，但也是值得避免的。
- 正确拒绝： 当我们拒绝零假设且备择假设确实为真时发生。
- 正确保留： 当我们保持零假设并且零假设确实为真时发生。
当做决定时，权衡 1 型错误和 2 型错误的风险非常重要。在某些情况下，1 型错误的风险可能比 2 型错误的风险更严重。在其他情况下，情况可能相反。具体权衡将取决于具体的研究问题和相关风险。
最终，是否拒绝零假设的决定取决于研究人员。在做出决定之前，权衡 Type I 和 Type II 错误的风险非常重要。
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