Нулевая гипотеза: различия между версиями
Материал из Поле цифровой дидактики
Patarakin (обсуждение | вклад) Новая страница: «{{Понятие |Description=Проверка статистических гипотез — это процесс оценки гипотез о популяции с помощью вероятностных выводов. Он начинается с нулевой гипотезы (H₀), которая обычно предполагает, что наблюдаемые эффекты являются результатом случайности. Н...» |
Patarakin (обсуждение | вклад) Нет описания правки |
||
| (не показана 1 промежуточная версия этого же участника) | |||
| Строка 2: | Строка 2: | ||
|Description=Проверка статистических гипотез — это процесс оценки гипотез о популяции с помощью вероятностных выводов. Он начинается с нулевой гипотезы (H₀), которая обычно предполагает, что наблюдаемые эффекты являются результатом случайности. Например, при оценке эффективности нового лекарства нулевая гипотеза может гласить, что лекарство не оказывает влияния на результат. Нулевая гипотеза всегда сопровождается альтернативной гипотезой (H₁), которая является противоположной и представляет интерес для исследования, например, что лекарство оказывает влияние. | |Description=Проверка статистических гипотез — это процесс оценки гипотез о популяции с помощью вероятностных выводов. Он начинается с нулевой гипотезы (H₀), которая обычно предполагает, что наблюдаемые эффекты являются результатом случайности. Например, при оценке эффективности нового лекарства нулевая гипотеза может гласить, что лекарство не оказывает влияния на результат. Нулевая гипотеза всегда сопровождается альтернативной гипотезой (H₁), которая является противоположной и представляет интерес для исследования, например, что лекарство оказывает влияние. | ||
|Field_of_knowledge=Статистика | |Field_of_knowledge=Статистика | ||
|similar_concepts=Confidence Interval | |||
|Environment=StatKey | |||
}} | }} | ||
# Предположение истинности нулевой гипотезы: Статистические тесты начинаются с предположения, что нулевая гипотеза верна. | # Предположение истинности нулевой гипотезы: Статистические тесты начинаются с предположения, что нулевая гипотеза верна. | ||
| Строка 7: | Строка 9: | ||
# Расчет p-значения: Это вероятность получить статистику теста столь же экстремальную или более экстремальную, чем наблюдаемая, предполагая истинность нулевой гипотезы. | # Расчет p-значения: Это вероятность получить статистику теста столь же экстремальную или более экстремальную, чем наблюдаемая, предполагая истинность нулевой гипотезы. | ||
# Сравнение с уровнем значимости: Обычно выбирается уровень значимости (α), обычно 0.05. Если p-значение меньше α, нулевая гипотеза отвергается. | # Сравнение с уровнем значимости: Обычно выбирается уровень значимости (α), обычно 0.05. Если p-значение меньше α, нулевая гипотеза отвергается. | ||
<syntaxhighlight lang="R"> | |||
ttest_one <- t.test(Frequency.Total ~ 1, data = all_combined, mu = 600) | |||
ttest_one | |||
</syntaxhighlight> | |||
One Sample t-test | |||
data: Frequency.Total | |||
t = 3.4511, df = 129, p-value = 0.0007553 | |||
alternative hypothesis: true mean is not equal to 600 | |||
95 percent confidence interval: | |||
657.8530 813.3163 | |||
sample estimates: | |||
mean of x | |||
735.5846 | |||
Текущая версия от 21:19, 8 января 2026
| Описание | Проверка статистических гипотез — это процесс оценки гипотез о популяции с помощью вероятностных выводов. Он начинается с нулевой гипотезы (H₀), которая обычно предполагает, что наблюдаемые эффекты являются результатом случайности. Например, при оценке эффективности нового лекарства нулевая гипотеза может гласить, что лекарство не оказывает влияния на результат. Нулевая гипотеза всегда сопровождается альтернативной гипотезой (H₁), которая является противоположной и представляет интерес для исследования, например, что лекарство оказывает влияние. |
|---|---|
| Область знаний | Статистика |
| Авторы | |
| Поясняющее видео | |
| Близкие понятия | Confidence Interval |
| Среды и средства для освоения понятия | StatKey |
- Предположение истинности нулевой гипотезы: Статистические тесты начинаются с предположения, что нулевая гипотеза верна.
- Расчет статистики теста: Используется для измерения того, насколько наблюдаемые данные отклоняются от сценария нулевой гипотезы.
- Расчет p-значения: Это вероятность получить статистику теста столь же экстремальную или более экстремальную, чем наблюдаемая, предполагая истинность нулевой гипотезы.
- Сравнение с уровнем значимости: Обычно выбирается уровень значимости (α), обычно 0.05. Если p-значение меньше α, нулевая гипотеза отвергается.
ttest_one <- t.test(Frequency.Total ~ 1, data = all_combined, mu = 600)
ttest_one
One Sample t-test
data: Frequency.Total t = 3.4511, df = 129, p-value = 0.0007553 alternative hypothesis: true mean is not equal to 600 95 percent confidence interval: 657.8530 813.3163 sample estimates: mean of x 735.5846
