假设检验的效力是什么?

  统计/机器学习 假设检验    浏览次数: 853
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

配对T检验和两样本T检验是一回事么?   1回答

z test和t test什么区别?   1回答

T检验的effect size是什么?有什么含义吗?   1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,需要测试集验证集吗?   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

F检验的使用场景   3回答

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

假设检验中的p值是什么意思?为什么越小越好?   3回答

python里用F检验来比较方差   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!