Significance test 相关: z-test, t-test

最新推荐文章于 2026-06-23 14:24:47 发布
原创 最新推荐文章于 2026-06-23 14:24:47 发布 · 3.6k 阅读 · 3 ·
本内容遵循CC 4.0 BY-SA版权协议
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
标签
#statistics #null
本文详细介绍了统计显著性测试的概念及其在信息检索领域的典型应用，着重阐述了Z-test和t-test的背景、含义、设定过程及拒绝原假设的方法，并提供了Z-score计算器和学生t-test的p值计算工具。

Significance test 是statistics中非常重要的概念，在information retrieval中非常典型的应用是用于比较两组实验结果(由两个模型产生)是否具有显著性差异。

常用的significance test有Z-test和t-test。


关于Z-test相关资料。

Central Limit Theorem

Z-score calculator

Z-test (非常详细的介绍了significance test的背景和含义，包括怎么设定null hypothesis和alternative hypothesis，如何reject null hypothesis，什么是one-tail以及two-tail).


关于t-test相关资料：

introduction to t-test

p-value calculator for a student's t-test

t-test，z-test原理
小白的博客
01-14 3394
目录 Population & sample Population average treatment effect(PATE) Hypothesis Testing, t-test & p-value Execute t-test via Excel & Python z-test Population & sample Population是全体数据集，Sample是从Population中随机抽取的实验数据集，我们想通过sample的特征最终推断出popu
二、深度测试（Z Test）
s178435865的专栏
10-15 1705
深度测试（Z Test）
假设检验（z-test）
normol的博客
08-14 1万+
题目： We’re trying to test whether a new,low-fat diet actually helps obese people lose weight.100 randomly assigned obese people are assigned to group 1 and put on the low fat diet.Another 100 randomly
【小白学机器学习11】假设检验之2：Z检验(U检验，正态检验)，Z检验量，Z分布，如何查表获得p值
奔跑的犀牛先生
04-07 1万+
也叫U检验，正态检验目的是：比较样本的平均值的差异，也可以叫 均值齐性检验前提假设，不同的样本都符合正态分布，标准正态分布？Z检验，也称“U检验”，是为了检验在零假设情况下测试数据能否可以接近正态分布的一种统计测试。根据中心极限定理，在大样本条件下许多测验可以被贴合为正态分布。在不同的显著性水平上，Z检验有着同一个临界值，因此它比临界值标准不同的学生t检验更简单易用。当实际标准差未知，而样本容量较小（小于等于30）时，学生t检验更加适用。
Z检验和t检验
...
06-07 4520
接下来，我们需要查找标准正态分布表或使用统计软件/计算器找到Z值为-2.88时对应的累积概率，从而得到右侧尾部的概率，因为是双侧检验，所以P值应该是两侧之和的一半。：将计算出的t值与t分布表中的临界值比较，或者计算p值，如果p值小于显著性水平（如α=0.05），则拒绝H0，认为样本均值与总体均值之间存在显著差异。在这个例子中，P值=0.0038远小于0.05，所以我们有足够的证据拒绝零假设。：因为t值非常大，相应的p值会极小，远远小于α=0.05，我们强烈拒绝H0，表明治疗确实引起了血压的显著下降。
【Statistics】HYPOTHESIS TEST(SIGNIFICANCE TEST)
sinat_37331885的博客
01-07 1219
本文着重梳理 假设检验 HYPOTHESIS TEST(SIGNIFICANCE TEST)，通过 逻辑性知识 和 概念性知识 两部分厘清该重点内容。 1.Logic of Hypothesis Test 1) Set up Hypothesis 2) Set up Significance level 3) Take Sample and Calculate 4) Make Conclus...
T检验与Z检验核心区别：何时用T-test，何时用Z-test
weixin_33744854的博客
06-23 426
假设检验是统计推断的基石，其中均值比较是最基础也最易混淆的应用场景。其核心原理在于依据样本信息对总体参数做出概率性判断，技术价值体现在控制决策风险（如假阳性率）并量化结论可靠性。关键区分点在于总体标准差σ是否已知：Z检验要求σ确切已知，适用于质量控制、物理测量等有权威历史参数的场景；而T检验基于样本标准差s估计不确定性，天然适配小样本与真实业务数据（如A/B测试、用户行为分析）。二者分布基础不同——Z服从标准正态分布，T服从自由度依赖的t分布，后者在小样本时更保守，是应对抽样变异性的稳健选择。本文聚焦T-t
t检验与z检验如何选？看方差是否已知，而非只看样本量
最新发布
weixin_34082789的博客
06-23 386
假设检验是数据分析和A/B测试的基础统计方法，其核心在于根据数据特征选择合适的推断工具。t检验适用于总体标准差未知、依赖样本标准差估计的场景，通过自由度调整分布形态以应对参数不确定性；z检验则要求总体方差已知或高度稳定，依托标准正态分布实现高效推断。二者的技术价值不仅在于显著性判断，更在于控制I类错误风险、保障业务决策稳健性。典型应用场景包括电商转化率分析、金融风控模型验证、医疗实验效果评估等。当面临小样本、历史方差不可靠或业务容错率低时，t检验因其保守性和对不确定性的显式建模而更具工程鲁棒性；而z检验在大
【FinE】Shrape Ratio Significance Testing
0x00
09-30 633
关于Sharpe Ratio的假设检验
统俗讲义之——何为统计显著性(Statistical Significance)
gulie8的博客
11-10 1万+
统计显著性，是针对某种比较来说的。要比较，就要有个标准。在一个统计研究里，“零假设”(Ho,读作H null)就是当下的参考标准。统计上的结论或假设总是倾向于保守，有点像惯性定律，除非你有足够的影响力显著改变了什么，否则我们不会轻易改变当前已有的结论——当然这个结论也是保守、合理、并有一定共识的。 当将你的检验结果与“零假设”比较时，会出现四种情况： 2x2表 “零假设”是对的 “零...
关于显著性检验，你想要的都在这儿了！！（基础篇）
weixin_30306905的博客
11-11 7830
无论你从事何种领域的科学研究还是统计调查，显著性检验作为判断两个乃至多个数据集之间是否存在差异的方法被广泛应用于各个科研领域。笔者作为科研界一名新人也曾经在显著性检验方面吃过许多苦头。后来醉心于统计理论半载有余才摸到显著性检验的皮毛，也为显著性检验理论之精妙，品种之繁多，逻辑之严谨所折服。在此，特写下这篇博文，以供那些仍然挣扎在显著性检验泥潭的非统计专业的科研界同僚们参考。由于笔者本人也并...
配对t检验的应用条件是什么_【CFA一级知识2分钟】什么是z检验（z-test）和t检验（t-test）...
weixin_30096321的博客
01-06 2323
1.什么是z检验（z-test）和t检验（t-test）？在CFA数量里面我们会涉及到用统计学来估测一个总体的平均值是多少，比如我们想知道CFA持证人的平均收入是怎么样的，那么我们就会做一些抽样调查。但是，抽样调查未必靠谱，抛开因为操作失误存在的偏差以外，在概率上来说我们依然完全有可能是不小心统计了并不反映事实的一部分人。比如说，我们相信CFA持证人的平均工资是100k，我们想要通过抽样调查找50...
假设检验之z-检验，t-检验，卡方检验
热门推荐
一路向北
06-24 5万+
假设检验：什么是假设：对总体参数（均值，比例等）的具体数值所作的陈述。比如，我认为新的配方的药效要比原来的更好。什么是假设检验：先对总体的参数提出某种假设，然后利用样本的信息判断假设是否成立的过程。比如，上面的假设我是要接受还是拒绝呢。假设检验的应用：推广新的教育方案后，教学效果是否有所提高醉驾判定为刑事犯罪后是否会使得交通事故减少男生和女生在选文理科时是否存在性别因素影响假设检验的基本思想：显著...
基于深度学习的绵羊行为形态识别研究
qwertyui87654321的博客
07-13 1235
自己在研究深度学习任务时，发现在现代畜牧业管理中，动物体重的准确测量对于健康监测、喂养管理以及育种选择等方面至关重要。传统上，绵羊的体重测量需要物理称重，这个过程不仅耗时、劳力密集，而且可能对动物造成不必要的压力。随着精准畜牧业的发展，非侵入式的体重预测方法受到了广泛关注，其中图像处理技术因其高效性和低压力性而成为研究的热点。近年来，深度学习和计算机视觉在图像识别和分析方面取得了显著进展。这些技术的应用使我们能够从绵羊的体型图像中提取关键的生物测量特征，并建立模型来预测体重。
两个比例的比较：参数方法（Z-test）和非参数方法（chi-square test）
timothyzh的专栏
06-14 9356
Source: http://www.r-bloggers.com/comparison-of-two-proportions-parametric-z-test-and-non-parametric-chi-squared-methods/   考虑以下问题的例子。赌博公司所有人想验证用户是否在欺诈。为此他想比较某个玩家的成功次数和某个雇员的成功次数，从而确定其是否欺骗。在一个月时间内，玩家
一个样本的Z-test
timothyzh的专栏
06-10 3851
Source: http://www.r-bloggers.com/one-sample-z-test/   在知道总体平均和标准差时的样本平均的比较 假设有10个自愿者进行了智力测试，这里有获得的结果。在同样测试的总体平均为75。你希望检测在样本和总体平均之间是否有统计上的显著差异（显著水平为95%），这里假设样本方差已知等于18. 65, 78, 88, 55, 48, 95, 66,
[UnityShader]渲染队列、ZWrite和ZTest
宏哥的博客
04-27 3万+
（1）什么是深度？  深度其实就是该像素点在3d世界中距离摄象机的距离，深度值（Z值）越大，
z检验
weixin_30242907的博客
09-02 1328
已知总体方差，验证总体均值是否等于某一期望值，通常把这种检验方法称为z检验。 转载于:https://www.cnblogs.com/nevergoaway/p/3951121.html
两个样本的Z-test
timothyzh的专栏
06-11 6713
Source: http://www.r-bloggers.com/two-sample-z-test/ 比较两个独立样本组的均值，这两个样本组取自已知方差的两个总体。 这里比较两个组的平均高度。第一组（A）包括意大利的个体（意大利总体的方差是5）；第二组（B）取自德国的个体（德国总体的方差是8.5）。数据如下： A: 175, 168, 168, 190, 156, 181, 182, 1
二、假设检验
singingbell的博客
03-11 480
[h, sig, ci]=ztest(x, m, sigma, alpha, tail)
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值