假设检验 · 交互模拟

调节参数,实时观察正态分布曲线、拒绝域与 p 值的动态变化,深入理解统计推断核心逻辑

公式与参数

z 检验 · 单样本均值
检验统计量(z 统计量)
\[ z = \frac{\bar{x} - \mu_0}{\sigma / \sqrt{n}} \]
衡量样本均值与假设总体均值之间的标准化距离。分母为标准误(SE),表示样本均值的抽样波动程度。
p 值与决策规则
\[ p = \begin{cases} 2(1-\Phi(|z|)) & \text{双尾} \\ \Phi(z) & \text{左尾} \\ 1-\Phi(z) & \text{右尾} \end{cases} \]
p 值表示在零假设成立时,观察到当前或更极端结果的概率。若 p < α,则拒绝 H₀。
参数 符号 含义 默认值 取值范围
总体均值 μ₀ 零假设 H₀ 中假定的总体均值 0.00 [-10, 10]
样本均值 x̄ 从样本数据中计算得到的均值 1.50 [-10, 10]
总体标准差 σ 总体数据的离散程度(z 检验假设已知) 5.00 [0.1, 20]
样本量 n 用于计算样本均值的观测数量 30 [2, 200]
显著性水平 α 拒绝零假设的阈值(第一类错误概率上限) 0.05 [0.01, 0.20]
检验类型 — 双尾检验考察差异是否存在;单尾检验考察方向性差异 双尾 双尾 / 左尾 / 右尾

交互模拟

实时反馈
z 统计量
0.00
标准化距离
p 值
0.50
概率
临界值
±1.96
z 分位数
标准误 SE
0.91
σ/√n
不拒绝 H₀:证据不足以支持备择假设

深入理解假设检验

标准介绍

假设检验(Hypothesis Testing)是统计推断的核心方法,用于基于样本数据对总体参数做出决策。其基本框架为:提出零假设 H₀(通常表示"无效应"或"无差异")与备择假设 H₁(表示存在效应或差异),计算检验统计量,在给定显著性水平 α 下确定拒绝域,依据统计量是否落入拒绝域来决定是否拒绝 H₀。z 检验适用于总体标准差已知时对均值的推断,其统计量服从标准正态分布。

通俗介绍

想象你在法庭上:H₀ 是"被告无罪",H₁ 是"被告有罪"。你收集证据(样本数据),计算证据强度(z 统计量),然后与法官设定的"定罪标准"(显著性水平 α)比较。如果证据足够强(z 落在拒绝域),就"拒绝无罪假设";如果证据不足,就"不能判定有罪"。注意,不拒绝 H₀ 不等于证明 H₀ 为真——就像"证据不足"不等于"证明无罪"。

解决了什么问题

  • 区分信号与噪声:判断观测到的差异是真实效应还是随机波动
  • 量化决策风险:通过 α 和 p 值明确错误决策的概率
  • 提供标准化决策框架:在不同领域间建立统一的统计推断标准
  • 控制错误率:防止将随机波动误认为真实发现(第一类错误)

为什么重要

假设检验是科学研究的基石,贯穿于医学试验、A/B 测试、质量控制和机器学习模型评估。它提供了一种可复现的、客观的决策机制,避免了仅凭直觉或主观判断得出结论。在机器学习中,假设检验用于特征选择、模型比较和性能评估,帮助研究者确定改进是否具有统计意义上的显著性。

应用场景

  • 医学研究:检验新药疗效是否显著优于安慰剂
  • A/B 测试:比较新版本界面是否显著提升转化率
  • 质量控制:监测生产线产品参数是否偏离标准值
  • 金融分析:检验投资策略收益率是否显著高于基准
  • 社会科学:验证政策干预是否产生显著效果
  • 机器学习:比较不同模型的性能差异是否显著

缺陷与局限性

  • p 值误读:p 值不表示 H₀ 为真的概率,也不表示效应大小
  • p-hacking:多重比较或数据窥探会导致假阳性率膨胀
  • 忽视效应量:统计显著不一定代表实际意义显著
  • 二分类简化:"拒绝/不拒绝"的二分决策丢失了不确定性信息
  • 对样本量敏感:样本量足够大时,微小差异也可能"显著"
  • 前提假设:z 检验依赖正态性和已知方差,实际中常被违反