http://blog.csdn.net/pipisorry/article/details/51182843
如果检验
如果检验问题分为两类,一类是參数的如果检验,一类是分布的如果检验! 设整体X的分布未知,或 X的某个分布參数 theta未知,对整体分布或分布參数 theta 提出一个如果 "H0" ,然后依据样本所提供的信息,运用统计分析的方法进行推断,从而作出是接受还是拒绝 "H0" 的决定,这就是如果检验问题。
如果检验的基本步骤
1 建立如果
Note: 通常将不应轻易加以否定的如果作为原如果H0。
2 选择检验统计量：给出拒绝域的形式（主要是统计量及其相应的參数c）
Note: 这里的统计量仅仅是初始的检验统计量，一般工具里使用的检验统计量都是转换过的。
如此例中x高斯正则化后的（见以下拒绝域的另外一种形式）。
Note: 如果样本在拒绝域中。说明原如果错误。可是如果不在拒绝域中，并不能说明原如果是正确的。仅仅是说不拒绝。能够接受。注意，拒绝域< >符号不同，会影响后面的推断。
3 选择显著性水平（用于确定拒绝域參数c）
Note: 显著性水平α就是拒真概率：拒绝真的H0的概率，即犯第一类错误的概率p{x ∈ W | H0}。
α越大，越easy拒绝H0。
4 给出拒绝域（依据α确定拒绝域參数c）
Note: 依据拒绝域的另外一种表示方法可知。当检验统计量test statistic u<=critical values u0.05时就拒绝H0如果。{使用这样的推断时，拒绝和接受H0还要看拒绝域。如果拒绝域是{u<u0}。则u<critical values才拒绝H0；如果拒绝域是{u>u0，则u>critical values才拒绝H0}。简单来说就是如果H0：{检验统计量 >= 多少}，那么检验统计量越小<= critical values（拒绝H0的值）就越拒绝H0}
检验P值
Note: P值事实上就是Φ(转换后的检验统计量)。p-value是拒绝H0的最小显著性水平（最小犯第一类错误/拒绝H0至少须要的概率，即要拒绝H0,α至少要p这么大）。
通过p-value推断拒绝H0与否，仅仅要当α<p ,则在显著性水平α下接受H0，不管拒绝域为{u>u0}还是{u<u0}}。当α>p时，则在显著性水平α下拒绝H0。
换句话说，p-value为5%时，我们有95%的confidence拒绝H0如果。
[概率论与数理统计教程 2ed. - 茆诗松]
数据解释
P值 | 碰巧的概率 | 对无效如果 | 统计意义 |
P>0.05 | 碰巧出现的可能性大于5% | 不是否能定无效如果 | 两组区别无显著意义 |
P<0.05 | 碰巧出现的可能性小于5% | 能够否定无效如果 | 两组区别有显著意义 |
P <0.01 | 碰巧出现的可能性小于1% | 能够否定无效如果 | 两者区别有很显著意义 |
因此，与对比组相比。C药取得P<0.05。D药取得P <0.01并不表示D的药效比C强。
[Data Science Dictionary: P-Values]
如果检验的基本思想和推理方法：双向检验
整体參数的如果检验
Note： 式8.1.4（这里的alpha左側）等于号左側计算结果即为p值。
Note: 计算出的统计量Test Statistic > Critical Value k在拒绝域中，就要拒绝H0。比方检验是否平稳，则測试结果是不平稳。
普通情况下,对于參数的如果检验,首先找出參数的一个良好预计,并以这个预计为基础构造检验统计量,要求是当原如果 H0( 成立时能全然确定其概率分布.其次确定检验统计量取值于什么区域对H0成立有利,取值于什么区域又对H1成立有利,从而确定检验的拒绝域或接受域。
[概率论与数理统计.徐全智]
from: http://blog.csdn.net/pipisorry/article/details/51182843