统计学-假设检验的知识点归纳与解析

（1）假设检验所依赖的核心原理在于小概率事件在抽样过程中出现的可能性较低。通常情况下，这一低概率事件被设定为原假设H_0，而与之相对的对立假设则表示为H_1。在实际操作中，往往需要预先确定一个被认为具有较低发生概率的阈值

a作为小概率事件发生的上限值。

也就是说，当计算得到的P值（即小概率事件实际发生的概率）小于a时，应接受原假设。

而当计算得到的P值大于a时，则应拒绝原假设。

通常情况下，a的取值为0.01、0.05等数值。

（2）两种类型的错误。在进行假设检验的过程中，也可能出现错误的情况。

第一类错误：在本应接受H_0的情况下却错误地拒绝了H_0。这种情况被称为“弃真”。

第二类错误：在本应拒绝H_0的情况下却错误地接受了H_0。这种情况被称为“存伪”。

弃真概率即为在H_0为真的前提下拒绝H_0的概率，其数值小于等于a；而存伪概率则是在H_0为假的前提下接受H_0的概率，这一数值需要根据具体问题进行分析。

无法同时使弃真概率和存伪概率都达到最小化的目标，但存在一些应对策略：（1）保护性设定：将不易被否定的假设设为原假设；（2）最优检验方法：在控制第一类风险不超过a的前提下，尽可能减小第二类风险。