假設檢驗

（Test ofhypothesis）

什么是假設檢驗

假設檢驗亦稱“顯著性檢驗（Testofstatisticalsignificance）”，是用來判斷樣本與樣本，樣本與總體的差異是由抽樣誤差引起還是本質差別造成的統計推斷方法。其基本原理是先對總體的特征作出某種假設，然后通過抽樣研究的統計推理，對此假設應該被拒絕還是接受作出推斷。

生物現象的個體差異是客觀存在，以致抽樣誤差不可避免，所以我們不能僅憑個別樣本的值來下結論。當遇到兩個或幾個樣本均數（或率）、樣本均數（率）與已知總體均數（率）有大有小時，應當考慮到造成這種差別的原因有兩種可能：一是這兩個或幾個樣本均數（或率）來自同一總體，其差別僅僅由于抽樣誤差即偶然性所造成；二是這兩個或幾個樣本均數（或率）來自不同的總體，即其差別不僅由抽樣誤差造成，而主要是由實驗因素不同所引起的。假設檢驗的目的就在于排除抽樣誤差的影響，區分差別在統計上是否成立，并了解事件發生的概率。

在質量管理工作中經常遇到兩者進行比較的情況，如采購原材料的驗證，我們抽樣所得到的數據在目標值兩邊波動，有時波動很大，這時你如何進行判定這些原料是否達到了我們規定的要求呢？再例如，你先后做了兩批實驗，得到兩組數據，你想知道在這兩試實驗中合格率有無顯著變化，那怎么做呢？這時你可以使用假設檢驗這種統計方法，來比較你的數據，它可以告訴你兩者是否相等，同時也可以告訴你，在你做出這樣的結論時，你所承擔的風險。假設檢驗的思想是，先假設兩者相等，即：µ＝µ₀，然后用統計的方法來計算驗證你的假設是否正確。

用的假設檢驗有Z檢驗、T檢驗、配對檢驗、比例檢驗、秩和檢驗、卡方檢驗等。

假設檢驗的基本思想

假設檢驗的基本思想是小概率反證法思想。小概率思想是指小概率事件（P<0.01或P<0.05）在一次試驗中基本上不會發生。反證法思想是先提出假設(檢驗假設H₀)，再用適當的統計方法確定假設成立的可能性大小，如可能性小，則認為假設不成立，若可能性大，則還不能認為假設不成立。

假設檢驗的基本步驟

1、提出檢驗假設（又稱無效假設，符號是H₀））和備擇假設（符號是H₁）。

H₀：樣本與總體或樣本與樣本間的差異是由抽樣誤差引起的；

H₁：樣本與總體或樣本與樣本間存在本質差異；

預先設定的檢驗水準為0.05；當檢驗假設為真，但被錯誤地拒絕的概率，記作α，通常取α=0.05或α=0.01。

2、選定統計方法，由樣本觀察值按相應的公式計算出統計量的大小，如X2值、t值等。根據資料的類型和特點，可分別選用Z檢驗，T檢驗，秩和檢驗和卡方檢驗等。

3、根據統計量的大小及其分布確定檢驗假設成立的可能性P的大小并判斷結果。若P>α，結論為按α所取水準不顯著，不拒絕H₀，即認為差別很可能是由于抽樣誤差造成的，在統計上不成立；如果P≤α，結論為按所取α水準顯著，拒絕H₀，接受H₁，則認為此差別不大可能僅由抽樣誤差所致，很可能是實驗因素不同造成的，故在統計上成立。P值的大小一般可通過查閱相應的界值表得到。

假設檢驗應注意的問題

1、做假設檢驗之前，應注意資料本身是否有可比性。

2、當差別有統計學意義時應注意這樣的差別在實際應用中有無意義。

3、根據資料類型和特點選用正確的假設檢驗方法。

4、根據專業及經驗確定是選用單側檢驗還是雙側檢驗。

5、當檢驗結果為拒絕無效假設時，應注意有發生I類錯誤的可能性，即錯誤地拒絕了本身成立的H₀，發生這種錯誤的可能性預先是知道的，即檢驗水準那么大；當檢驗結果為不拒絕無效假設時，應注意有發生II類錯誤的可能性，即仍有可能錯誤地接受了本身就不成立的H₀，發生這種錯誤的可能性預先是不知道的，但與樣本含量和I類錯誤的大小有關系。

6、判斷結論時不能絕對化，應注意無論接受或拒絕檢驗假設，都有判斷錯誤的可能性。

7、報告結論時是應注意說明所用的統計量，檢驗的單雙側及P值的確切范圍。