小概率反证法
假设检验的基本原理是通过统计推理判断样本与总体差异的性质，其核心思想基于小概率反证法。具体原理如下：
一、基本思想：小概率反证法
-
反证法逻辑
先提出原假设（H₀），即认为样本与总体无差异（或满足某种特定条件）。然后通过样本数据计算统计量，并根据统计量的值判断原假设是否成立。如果统计量的值落入小概率区域（通常设定为P<0.05或P<0.01），则认为原假设不成立，拒绝H₀；否则接受H₀。
-
小概率事件原理
小概率事件（如P<0.05）在一次试验中几乎不会发生。若在原假设成立的情况下，统计量仍落入小概率区域，则认为这种差异具有极显著性，难以用抽样误差解释。
二、核心步骤
-
建立假设
-
零假设（H₀） ：样本与总体无差异（如总体均数等于某个值）。
-
备择假设（H₁） ：样本与总体存在差异（如总体均数不等于该值）。
-
-
选择统计量
根据研究设计和数据类型选择合适的统计量（如t值、χ²值、F值等），并确定其分布形式。
-
确定显著性水平（α）
显著性水平是拒绝原假设的阈值（如0.05或0.01），表示可接受的犯错概率。
-
计算与决策
-
计算统计量的值并绘制抽样分布图。
-
根据显著性水平确定拒绝域（如t分布的临界值）。
-
若统计量值落入拒绝域，则拒绝H₀；否则接受H₀。
-
三、注意事项
-
假设的合理性
零假设的确定需基于理论依据或先验知识，且通常选择保守的假设（如μ=0）以减少犯第一类错误（拒真错误）的风险。
-
样本量影响
样本量越大，统计量的分布越接近正态分布，检验结果越可靠。
-
多重检验问题
进行多次假设检验时，需调整显著性水平（如使用Bonferroni校正）以避免假阳性。
四、应用场景示例
例如，某工厂生产两种型号的灯泡，需检验两种型号的平均寿命是否相同。通过随机抽样，计算两种型号灯泡寿命的t值，并与临界值比较，若t值超过临界值则拒绝原假设，认为两种型号存在显著差异。
假设检验通过小概率反证法结合抽样分布理论，为样本与总体差异的推断提供科学依据。