Question

显著性检验统计量如何计算

Answer 1

构造检验统计量，收集样本数据，计算检验统计量的样本观察值即可。

假设检验就是事先对总体(随机变量)的参数或总体分布形式做出一个假设，利用样本信息来判断这个假设是否合理。如果原假设为真，而检验的结论却劝你拒绝原假设，把这种错误称之为第一类错误(弃真)，通常把第一类错误出现的概率记为α。

就是说，拒绝真假设的概率是α。通常把第二类错误出现的概率记为β；就是说，接受假假设的概率是β。如果要使犯两类错误的概率都减少，除非增加样本容量。

显著性检验介绍：

卡方检验(Chi-Square Test)在大数据技术场景中，通常用来检验某个变量或特征是不是和应变量有显著关系。反映某一事件发生的可能性大小，在统计学中根据显著性检验得到的P值。

一般以P<0.05为有统计学差异，P<0.01为有显著统计学差异，P<0.001为有极其显著统计学差异。其含义是样本间的差异由抽样误差所致的概率小于0.05、0.01、0.001。