使用假设检验做出明智的决定
了解如何：
- 了解 Null 和 Alternate Hypothesis 之间的区别，这是我们要研究的两个条件
- 零假设 - 通常是现状，例如 抽取这两个样本的总体均值没有差异
- 替代假设 - Null 的补集，例如 人口均值存在差异
- 我们也可以插入大于（或小于）而不是无差异
- 接受替代假设就是拒绝（或反驳）空假设
- 在运行测试时，我们寻找替代假设在我们的置信水平内的证据，并且我们可以反驳（或反驳）无效假设
- 注意：如果我们不拒绝 Alt，并不意味着 Null 是真的，也许我们没有收集到足够的数据来接受它。
- 置信水平是与假设有关的保证水平
- 所需的置信水平取决于
- 通常，做出决定的可接受的置信水平是 95%。
- 或许，如果您正在考虑生死攸关的决定，您需要对结果有 99.9% 的信心
- 95% 的置信度意味着如果你运行 100 次统计测试，你应该是正确的大约 95 次
- Alpha 值为 1 - 置信度/100
- 比较和解释平均值的置信区间
- 将平均值与目标值进行比较
- 分析>分布，然后从红色三角形测试平均值
- 解释分位数、汇总统计、均值检验
- 比较两个均值
- 分析>分布，然后从红色三角形进行 t 检验
- 解释 t 检验
- 比较两个以上的平均值
- 分析>分布，然后是红色三角形的均值/方差分析
- 运行单因素分析 (ANOVA)
- 解释一个 ANOVA 的拟合摘要、R 方、方差分析和均值分析
- 等效性假设检验 - 使用是因为当样本均值不不同时，我们仍然不能得出总体均值相同的结论
- 替代假设是人口均值相同，在某个指定的范围内
- 零假设是边际内的总体均值可能不相同。
- 总体平均值的差异在等价区间之外
- 采用 2 边 t 检验 (TOST)
注：问答从~时间20:05开始穿插。
如果您对杰瑞有任何疑问，请输入@JerryFish在你的评论中。
资源
Compare Mean to Target Value将平均值与目标值进行比较
基础数据分析与建模
