假设检验的效力是什么?

  统计/机器学习 假设检验    浏览次数: 603
0

假设检验的效力是什么?有什么含义?怎么计算?

 

bigbear   2017-06-01 13:17



   1个回答 
2

我们一般称为假设检验的统计效力(statistical power)。

定义:统计效力等于我们成功拒绝了错误的零假设的概率。

换个角度翻译一下上面的定义,power = 1 - Type II error。效力就是1减第二类错误。

统计效力越高,说明当某个现象(对立假设)存在的时候,我们更有可能检测到这个现象。统计效力越高,说明这个假设检验越有效。统计效力和假设检验本身的显著性水平相关也和样本的大小相关。


起个好名字   2017-06-04 10:25



  相关主题

t检验,需要测试集验证集吗?   3回答

假设检验中的p值是什么意思?为什么越小越好?   2回答

单侧T检验p值与双侧T检验p值的关系   1回答

T检验的effect size是什么?有什么含义吗?   1回答

z test和t test什么区别?   1回答

配对T检验和两样本T检验是一回事么?   1回答

F检验的使用场景   3回答

如何从假设检验的角度去理解AB testing   2回答

多重比较校正   1回答

多重检验中的FDR(false discovery rate, 错误发现率)是什么?   2回答

Python单侧T检验   1回答

多因素方差分析   2回答



回答问题时需要注意什么?

我们谢绝在回答前讲“生动”的故事。

我们谢绝“这么简单,你自己想”、“书上有的,你认真看”这类的回答;如果你认为对方的提问方式或者内容不妥,你可以直接忽略该问题,不用进行任何作答,甚至可以对该问题投反对票。

我们谢绝答非所问。

我们谢绝自己不会、硬要回答。

我们感激每一个用户在编写答案时的努力与付出!