检验统计量是根据样本数据计算的随机变量,它用在假设检验中。可以使用检验统计量来确定是否要否定原假设。检验统计量将您的数据与原假设下的预期结果进行比较。检验统计量可用于计算 p 值。

检验统计量度量数据样本和原假设之间的一致性。它的观测值会随机地从一个随机样本更改为另一个样本。检验统计量包含的数据信息与是否要否定原假设的决定相关。在原假设下,检验统计量的抽样分布被称为原分布。当数据显示出否定原假设的充分证据时,检验统计量的数量级将变得过大或过小,具体取决于备择假设。这会导致检验的 p 值小到足以否定原假设。

例如,Z 检验的检验统计量为 Z 统计量,这是原假设下的标准正态分布。假设您执行 α 为 0.05 的双尾 Z 检验,并基于数据 2.5 获取 Z 统计量(又称为 Z 值)。此 Z 值对应的 p 值为 0.0124。由于此 p 值小于 a,因此断定统计意义显著性并否定原假设。

根据原假设中假定的概率模型,不同的假设检验使用不同的检验统计量。常见的检验及其检验统计量包括:

假设检验 检验统计量
Z 检验 Z 统计量
t 检验 t 统计量
方差分析 F 统计量
卡方检验 卡方统计量

使用此网站,即表示您同意对数据分析和个性化内容使用 Cookie。  请阅读我们的政策