使用假设检验做出明智的决策
了解如何：
- 了解零假设和备择假设之间的区别，这是我们想要研究的两个条件
- 零假设——一般是现状，例如，这两个样本的总体平均值没有差异
- 备择假设——零假设的补充，例如，总体均值存在差异
- 我们也可以插入大于（或小于）而不是无差异
- 接受备择假设就是拒绝（或反驳）零假设
- 在运行测试时，我们会寻找证据来证明备择假设在我们的置信水平之内，并且我们可以反驳（或反驳）零假设
- 注意：如果我们不拒绝 Alt，并不意味着 Null 为真，也许我们没有收集足够的数据来接受它。
- 置信水平是假设的可信度
- 所需的置信水平取决于
- 通常，决策可接受的置信水平是 95%。
- 也许，如果你正在做生死攸关的决定，你需要对结果有 99.9% 的信心
- 95% 的置信度意味着如果你进行 100 次统计测试，其中 95 次应该是正确的
- Alpha 值为 1 - 置信度/100
- 比较并解释平均值的置信区间
- 比较平均值与目标值
- 分析>分布，然后通过红色三角形检验均值
- 解释分位数、汇总统计数据、均值检验
- 比较两个平均值
- 分析>分布，然后从红色三角形进行 t 检验
- 解释 t 检验
- 比较两个以上的均值
- 分析>分布，然后从红色三角形进行均值/方差分析
- 运行单因素分析 (ANOVA)
- 解释拟合度、R 平方、方差分析和单因素方差分析的均值摘要
- 等价性假设检验——因为当样本均值没有差异时，我们仍然不能得出总体均值相同的结论
- 替代假设是，在某个指定的范围内，总体平均值是相同的
- 零假设是，在边界内，总体均值可能不相同。
- 总体均值的差异超出了等价区间
- 采用双侧 t 检验 (TOST)
注意：问答环节从~时间 20:05 开始穿插。
如果您有问题要问 Jerry，请在评论中输入@JerryFish 。
资源
Compare Mean to Target Value比较平均值与目标值比较平均值与目标值
基础数据分析与建模
