编者按
假设检验，就是事先对总体参数或总体分布形式作出一个假设，然后利用样本信息来判断原假设是否合理，即判断样本信息与原假设是否有显著差异，从而决定是否接受或否定原假设。简单来说：假设检验采用的逻辑推理方法是反证法。
有一天，你怀疑你的男朋友最近可能与另外一个女孩联系频繁，有变心的趋向，但是自己逻辑能力太差，不敢轻易判断自己推测的正确性，因此就请了学统计学的‘侦探’来帮你破案。
于是，我就拿出了自己的杀手锏武器，也就是破案的常用套路：假设检验。
我需要明确问题是什么？
问题：女孩要验证男朋友是否变心了？
根据这个问题我提出来下面两个互为相反的假设：
零假设（H0）：男孩没有变心
备选假设（H1）：男孩变心了
试想，如果我们有确凿的证据证明零假设不成立，那么，它的对立面备选假设就肯定是成立的。
零假设与备择假设在逻辑上是互补的，就是一对对立事件，推翻了其中一个，对立的那个必须得到肯定，毋庸置疑！
再看这个例子，如果我能找到足够强的证据来否定零假设（也就是男孩没有变心），那么我就能信心十足的说零假设不成立，备选假设自然当选。
好了，接下来的问题就是：如何寻找证据。我们来看第2步。
证据是什么？
根据中心极限定理，我们知道，足够多的样本可以代表总体。所以我要找到男孩合理的样本数据来做证据。
接下来，我随机让女孩调查了男孩这几年的样本数据，包括上网，开房，财务等。根据女孩查到的所有数据，我利用自己的专业知识计算了零假设成立的前提下，男孩没有变心的概率。
算出的结果真是让我大吃一惊，在零假设成立的前提下，样本数据计算出男孩没有变心的概率是0.01%（是不是小到怀疑人生？）。
这个概率值有自己的专属名字，叫做p值。也就是，在零假设成立的前提下，得到样本观察结果出现的概率。
在这里p值就是在零假设成立的前提下（男孩没有变心），用样本证据计算出的男孩没有变心的概率，p=0.01%
判断标准是什么？
不能因为p值小就立马说明人家男孩变心了，错误的判断会影响他们之间的关系和生活。所以，提前制定好一个定罪的标准，有助于我能做到：不放过任何一个渣男，帮助女孩更深的认识现在的男朋友，并且做出选择。
因为我定的零假设是：男孩没有变心。所以这里定的标准是，如果男孩没有变心的概率≤5%，那么就直接否定了零假设，也就是男孩没有变心不成立。
这里比较难理解，男孩没有变心的概率≤5%，它的反面就是男孩已经变心的概率大于95%，所以男孩有很大概率变心了，因此把零假设：男孩没有变心否定了。
这里用于做出决策的标准5%，在假设检验里叫做“显著性水平”，用符号α表示，是一个概率值。
得出结论
那么，男孩到底有没有变心呢？我们将样本证据计算出的p值与‘定罪’标准α比较一下就可以了：
如果pα，那么拒绝零假设，也就是备选假设成立。
如果pα，那么零假设成立，接受零假设。
你又问了，这是什么意思呢？其实：α是判断标准，也就是小于这个值就表示零假设不成立。p值在零假设成立前提下，用样本证据得出的概率，在这里表示有样本证据得出男孩没有变心的概率。
通过比较这两个值，我们会惊奇的发现：p远远小于α！
小哥哥，样本证据对你大大不利啊。本想零假设证明你没有变心的，但是被我们收集到的证据，也就是你没有变心的概率只有0.01%，这个数值与我们的标准相差甚远啊。所以，我可以大胆的拒绝零假设。
回头去看我们一开始的假设：如果零假设不成立，那么备选假设成立。现在我们已经得出零假设不成立了，所以备选假设成立，也就是男孩变心了。我将这个毫无破绽的推理过程告诉女孩后，女孩很生气，但是也很庆幸认识到了这个男人可恨的一面，立刻做出抉择：给他两巴掌后分手。
福尔摩斯说：一旦排除所有的不可能，剩下的不管多么难以置信，一定就是真相。
福尔摩斯还说过：一定要远离渣男！
总结一下假设检验的步骤
☑根据问题的要求提出假设，写明原假设H0与备择假设H1的具体内容；
☑根据的内容，建立检验统计量并确定其分布；
☑对给定的显著性水平α，由统计量的分布查表或计算确定出临界值，进而得到H0的拒绝域和接受域；
☑根据的内容，建立检验统计量并确定其分布；
☑做出判断：当统计量的值落入H0的拒绝域时就拒绝H0，否则接受Ho。#清风计划# #健康真探社#
