2023-09-21
假设检验中的两类错误
Type I error（I类错误）：犯I类错误的概率，也就是当零假设是真实的，却拒绝零假设的概率。
Type II error（II类错误）：犯II类错误的概率，也就是当零假设是不真实的，却没有拒绝零假设的概率。
做完一个假设检验之后，如果结果具有统计显著性，那么还需要继续计算其效应量（effect size)。
把握度（Power）
Power正确拒绝原假设的概率，记作1-β，假设检验的把握度受以下三个因素影响：
(1) 样本量 (n)：其他条件保持不变，样本量越大，把握度就越大。
(2) 显著性水平 (α)：其他条件保持不变，显著性水平越低，把握度就越小。
(3) 两总体之间的差异：其他条件保持不变，总体参数的真实值和估计值之间的差异越大，把握度就越大。也可以说，效应量（effect size）越大，把握度就越大。
效应量（effect size）
样本间差异或相关程度的量化指标。效应量通常用三种方式来衡量：
(1) 标准均差（standardized mean difference，SMD）
(2) 优势比（odd ratio）
(3) 相关系数（correlation coefficient）
常见疑惑
原假设（H0）是≤10%，备择假设（H1）为什么是≥25% ，而不是＞10%？
课 程 推 荐
添加小编微信
百度浏览 来源 : 国际临研
版权声明：本网站所有注明来源“医微客”的文字、图片和音视频资料，版权均属于医微客所有，非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源：”医微客”。本网所有转载文章系出于传递更多信息之目的，且明确注明来源和作者，转载仅作观点分享，版权归原作者所有。不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。 本站拥有对此声明的最终解释权。
关注公众号
安卓客户端
发表评论
注册或登后即可发表评论
登录注册
全部评论(0)