原文：
www.kdnuggets.com/2021/09/hypothesis-testing-explained.html
1. 谷歌网络安全证书 - 快速进入网络安全职业生涯。
2. 谷歌数据分析专业证书 - 提升你的数据分析能力
3. 谷歌 IT 支持专业证书 - 在 IT 方面支持你的组织
根据吉姆·弗罗斯特的说法，假设检验是一种推论统计形式，使我们能够根据代表性样本对整个总体得出结论 [..] 在大多数情况下，观察整个总体以了解其属性几乎是不可能的。唯一的替代方法是收集一个随机样本，然后使用统计学进行分析 [1]。
在进行假设检验时，首先必须提出一个假设。一个假设的例子是“总体中身高和性别之间存在相关性”，或者“两个总体组之间存在差异”。
通常，待证明的论点称为替代假设（HA），其对立面是原假设（H0）。在实践中，原假设表明总体中没有发生任何新事物。
在之前的示例中，原假设可以被表述为：总体中身高和性别之间没有相关性，并且两个组之间没有差异。假设检验的目的是验证是否可以拒绝原假设。一般来说，拒绝原假设并不自动意味着接受替代假设。 然而，在某些情况下，拒绝原假设可能意味着可以接受替代假设。
在进行假设检验时，可能会发生两种类型的错误：
-
第一类错误：当原假设实际上是正确的时拒绝原假设。
-
第二类错误：当原假设实际上是错误的时接受原假设。
以下表格总结了第一类和第二类错误：
假设检验可以分为两个大类 [2]：
-
参数检验，如果样本符合正态分布。一般来说，如果样本的均值为 0，方差为 1，则样本符合正态分布。
-
非参数检验，如果样本不符合正态分布。
根据要比较的样本数量，可以制定两类假设检验：
-
单样本，如果只有一个样本，必须与给定值进行比较。
-
双样本，如果有两个或更多样本需要比较。在这种情况下，可能的检验包括样本之间的相关性和差异。在这两种情况下，样本可以是配对的或不配对的。配对样本也称为依赖样本，而不配对样本也称为独立样本。在配对样本中，发生自然或匹配的配对。
通常，参数检验具有相应的非参数检验，如[3]所述。
本文顶部的图表回顾了如何根据样本选择合适的假设检验。
如前所述，参数检验假设数据呈正态分布。下表描述了一些最受欢迎的参数检验及其测量内容。
非参数检验不对数据分布做任何假设。下表描述了一些最受欢迎的非参数检验及其测量内容。
在这篇简短的文章中，我描述了假设检验的概念，以及最受欢迎的检验及其使用场景。
对于那些仍然难以理解假设检验的人，有一个名为 easy-ht 的 Python 库 [6]，它可以在无需统计学知识的情况下运行主要的假设检验。关于如何使用easy-ht的教程可以在此链接找到。
[1] 统计假设检验概述 statisticsbyjim.com/hypothesis-testing/statistical-hypothesis-testing-overview/
[2] 参数统计与非参数统计的区别是什么？ sourceessay.com/what-is-the-difference-between-parametric-and-non-parametric-statistics/
[3] 你应该使用哪个统计检验？ help.xlstat.com/s/article/which-statistical-test-should-you-use?language=en_US
[4] Kolmogorov–Smirnov 检验 en.wikipedia.org/wiki/Kolmogorov%E2%80%93Smirnov_test
[5] Wilcoxon 检验 www.investopedia.com/terms/w/wilcoxon-test.asp
[6] easy-ht pypi.org/project/easy-ht/
安杰利卡·洛·杜卡 (Medium) (@alod83) 在意大利比萨的国家研究委员会（IIT-CNR）信息学与电信研究所担任博士后研究员。她是比萨大学数字人文学科硕士课程中的“数据新闻学”教授。她的研究兴趣包括数据科学、数据分析、文本分析、开放数据、网络应用和数据新闻，应用于社会、旅游和文化遗产。她曾从事数据安全、语义网和链接数据方面的工作。安杰利卡还是一位热情的技术作家。