统计检验

假设检验

碰巧有机会回顾了一下统计学的东西，就把一些统计检验相关的放在这了～

第 3 章假设检验 | 数理统计讲义远离这里有一些假设检验的基本内容。

我们要做假设检验，是通过一系列样本来分析总体的分布。我们需要做的是提出原假设和备择假设，H0称为原假设/零假设(Null Hypothesis)，H1称为备选假设/对立假设/备择假设(Alternative Hypothesis)。

第一类错误的概率是$\alpha$，原假设是真的但是我们拒绝了他。所以就用原假设作为条件，推出来拒绝的概率等于$\alpha$。

最大似然估计：概率最大，求导

矩估计：一阶（平均）、二阶（中心矩、原点矩）

拟合优度，用(O-E)^2/E的和来判断，自由度是种类数目-1-估算的参数个数，每一类最好不小于5

$\hat\beta_1=\frac{\Sigma x y-\frac{1}{N} \Sigma x \Sigma y}{\Sigma x^{2}-\frac{1}{N}(\Sigma x)^{2}}$

$\hat\beta_0 = \bar y - \hat\beta_1 \bar x$

beta1标准差：$\sqrt{\frac{1}{\sum\left(x_{t}-\bar{x}\right)^{2}}}\times \sqrt{\frac{\sum \hat{u}_{t}^{2}}{T-2}}$

Oneway ANalysis Of VAriance

方差分析(Analysis of Variance，简称ANOVA)，又称“变异数分析”，是R.A.Fisher发明的，用于两个及两个以上样本均数差别的显著性检验。

https://zhuanlan.zhihu.com/p/57896471 这里的介绍很清楚，摘录一下：

虽然ANOVA叫做方差分析，但是他的目的是检验每个组的平均数是否相同

最后我们需要做的，就是对比组间均方（MSB）和组内均方（MSE）。最简单的对比方法就是把他们相除，也就是我们常说的F-statistics

这里有一个完整的计算过程的介绍：ANOVA算法介绍PDF

把里面的计算过程拿出来：

ANOVA表

里面：

k: 种类数；n：数据个数；
$\mathrm{SSTr}=\sum_{i=1}^{k} n_{i}\left(\bar{x}_{i}-\overline{\bar{x}}\right)^{2}$
$\begin{aligned} \mathrm{SSE} &=\sum_{j=1}^{n_{1}}\left(x_{1 j}-\bar{x}{1}\right)^{2}+\sum{j=1}^{n_{2}}\left(x_{2 j}-\bar{x}{2}\right)^{2}+\cdots+\sum{j=1}^{n_{k}}\left(x_{k j}-\bar{x}{k}\right)^{2} \ &=\left(n{1}-1\right) S_{1}^{2}+\left(n_{2}-1\right) S_{2}^{2}+\cdots\left(n_{k}-1\right) S_{k}^{2} \ &=\sum_{i=1}^{k}\left(n_{i}-1\right) S_{i}^{2} \end{aligned}$
SST=SSTr+SSE, $\begin{aligned} \mathrm{SST} &=\sum_{\text {all obs. }}\left(x_{l}-\overline{\bar{x}}\right)^{2} \ &=\sum_{i=1}^{k} \sum_{j=1}^{n_{i}}\left(x_{i j}-\overline{\bar{x}}\right)^{2} \end{aligned}$
$\mathrm{MSTr}=\frac{\mathrm{SSTr}}{k-1}$
$\mathrm{MSE}=\frac{\mathrm{SSE}}{n-k}$
$\begin{aligned} F &=\frac{\mathrm{MSTr}}{\mathrm{MSE}} \ &=\frac{\text { between }-\text { samples variation }}{\text { within }-\text { samples variation }} \end{aligned}$
p-value用到的自由度是k-1和n-k

有一个计算器：计算器，里面F值算p值的在这里有一个专门计算器：F值到p值

Excel计算方法：excel中的anova