假设检验是一种重要的统计程序，有助于做出基于证据的决策。它始于一个假设，即对总体参数的初步解释或预测。这个假设可以是零假设 (H_0)，表示没有影响或差异，也可以是备择假设 (H_a)，表示有影响或差异。
统计显著性衡量的是观察到的结果偶然发生的概率。如果这个概率（称为 p 值）低于预定阈值（通常为 0.05 或 0.01），则它为推翻零假设提供了强有力的证据，认为结果具有统计显著性。
假设检验对于决策和得出关于总体的准确结论至关重要。例如，一家制药公司可能会测试一种新药在降低胆固醇水平方面的有效性。零假设会说该药没有效果，而备择假设会说有效果。假设检验可以确定是否有足够的证据支持该药的有效性声明。
同样，研究两组员工收入差异的研究人员也会使用假设检验。零假设表明没有差异，而备择假设则表明存在差异。该检验将有助于确定是否有足够的证据来拒绝零假设。如果是这样，研究人员将得出结论，存在统计上显著的收入差异。
假设检验是统计分析的重要组成部分。它提供了一种系统而精确的方法来评估主张并根据统计证据做出决策。
来自章节 2:
Now Playing
2.5 : 统计假设检验
Biostatistics: Introduction
1.8K Views
2.1 : 生物统计学：概述
Biostatistics: Introduction
203 Views
2.2 : 数据：类型和分布
Biostatistics: Introduction
647 Views
2.3 : 集中趋势：分析
Biostatistics: Introduction
127 Views
2.4 : 数据：变异性：分析
Biostatistics: Introduction
115 Views
2.6 : 假设检验的准确性和误差
Biostatistics: Introduction
156 Views
2.7 : 分析参数数据的统计方法：方差分析
Biostatistics: Introduction
248 Views
2.8 : 分析参数数据的统计方法：方差分析
Biostatistics: Introduction
1.5K Views
2.9 : 假设检验中的统计推断技术：参数数据与非参数数据
Biostatistics: Introduction
100 Views
2.10 : 生物制药研究：临床研究要点
Biostatistics: Introduction
106 Views
版权所属 © 2025 MyJoVE 公司版权所有，本公司不涉及任何医疗业务和医疗服务。