概念卡：假设检验 Hypothesis Testing
概念卡：假设检验 Hypothesis Testing
一句话定义
假设检验是用样本数据判断某个统计假设是否有足够证据被拒绝。
它解决什么问题
它帮助我们区分“观察到的差异可能只是随机波动”还是“差异可能具有统计意义”。
典型使用场景
- 比较两组均值是否不同。
- 判断回归系数是否显著。
- 检查模型假设或分布假设。
需要知道的关键词
- Null Hypothesis
- Alternative Hypothesis
- p-value
- Significance Level
- Type I / Type II Error
和导师方向的关系
应用统计课程和研究中经常需要判断结果是否可靠，假设检验是基础语言。
交流时可以怎么说
这里不能只看数值差异，还需要判断这种差异相对于随机波动是否足够明显。
我会先明确原假设和备择假设，再解释 p 值和显著性水平。
可以追问的问题
- 原假设具体是什么？
- 样本量是否足够支持检验？
- p 值显著是否等于实际意义显著？
给 AI 的提示词
请解释假设检验、p 值和显著性水平的关系，并给出一个适合课程作业的例子。请特别说明常见误解。
我的理解边界
- 已理解：假设检验不是证明原假设为真。
- 还不确定：不同检验方法的选择条件。
- 下次需要补：第一类错误和第二类错误。