数据分析  假设检验

通常假设检验用来验证一种猜测，首先提出一种假设，然后计算接受或者说拒绝这个假设的概率。一旦这个概率大于p-value就说明这个假设可以被拒绝。

• P-value：错误拒绝零假设成立或者更极端情况的概率。直观上理解是错误拒绝零假设的概率。

• T检验：常用来验证总体平均值是否满足某个假设（单批样本，配对样本，独立双批样本）。一般来说，假设样本符合正态分布，根据样本平均值计算出来的T值符合T分布（类似于正态分布），T值和比T值更坏得到的p-value（错误拒绝零假设的概率）和0.05进行比较就可以接受或者拒绝零假设。可以被用来验证两个算法或者方案对于用户的影响到底哪个好。
  下面是三种T检验的使用情况：不同的情况有不同的计算T值的方法

• 单样本：验证单批样本的平均值是否等于某个估计常量。零假设是等于

• 配对样本：验证配对双批样本的差值平均值是否等于某个估计常量。（要求配对样本数等同）。零假设是等于

• 独立双样本：验证两批样本的平均数差值是否等于某个估计常量（不限制样本数和方差）。零假设是等于