浅谈假设检验的原理和应用场景

曾经读过一本书叫《女士品茶》,书中提到[1],一个夏天的午后,剑桥大学的几位老师和他们的妻子在喝下午茶,突然,有一位女士说:“我有一种超能力,一杯奶茶放在这里,我只要尝一口,我就能分清楚它是先加的奶还是先加的茶。”在场的先生们都哈哈大笑,认为这一定是她的幻觉,……。

一、假设检验的原理

在工作生活当中,我们也经常碰到类似的问题,比如某制药公司宣称,他们的某款新药对打鼾患者的治愈率高达90%,又如,某团队在经过工艺优化之后,声称产品的合格率提升了5%,抑或如,某客户投诉某塑料生产企业的产品包装不到25kg/包等等。可问题是,我们该如何来分辨这些信息的真伪呢?

首先,我们把这一类以“判断”为输出结果的问题,统一归纳为假设检验[2]问题,处理这类问题的方法是:先把某个结论当成一种假设(统计学上也称为原假设,null hypothesis,记为H_{0} ,与之对应的称为备择假设,alternative hypothesis,记为H_{a} ),然后收集样本,根据样本观测值的情况,运用统计分析的方法对假设进行检验,并做出判断。

以刚才提到的那位女士为例,我们可以通过试验的方法来判断她所声称的超能力是否属实,如果这位女士品尝了6杯奶茶后,并且她的判断都是正确的话,我们就可能从原先怀疑转为相信她的超能力了,因为如果假设她不具备这种超能力,而是全靠猜,那么她6次全部猜对的概率只有(1/2)^6\times 100 %≈1.6%,这是一个非常小的概率。

由此可以看出,假设检验的基本原理是,在接受假设成立的情况下,计算样本(或事件)发生的概率,如果得出的是一个非常小的概率,则我们开始从接受假设成立变为拒绝假设成立。可是,这个概率到底要多小,我们才会做出倾向于拒绝假设的判断呢?这个值的定义是依据行业领域或者应用场景而定的,一般在化工行业,这个值大部分取为5%,但是在一些高精尖领域或者健康安全相关度高的行业,如医药、航空等行业,这个值更能会取得更小,比如1‰,对于这个值,在统计学上有其专属的名称和符号,叫做显著性水平,记为α,与之相对应的1-α被称之为置信水平。

那么,为什么在某些行业领域对于α的取值要非常小呢?再以刚才的女士品茶为例,假设一家公司准备以非常高的薪水聘用这个具有超能力的女士作为他们的品茶官,招聘人员对她所声称的技能的检验将会更加严格了,可能需要连续10次不出现差错,他们才可以放心地录用该女士,所以,这里我们就体会到了,α取值越小,是为了越好地防止做出错误的决策而造成决策风险。

图1:女士品茶概率分布情况(设定α=0.05,则如果女士能9次及以上给出正确判断,我们就没有办法拒绝她具有超能力)

二、假设检验在工业现场的应用场景

数据大脑产品具有一整套的假设检验模型算法,可以满足工业现场各种应用场景的需求(如表1),并且具备在线服务化计算功能,数据无需导入,就可以实时进行分析和判断,并进行报警。

表1:假设检验在各种应用场景下的应用

参考文献:

[1].《女士品茶》,[美]DavidSalsburg著

[2].《六西格玛管理统计指南》,马逢时等著

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 217,509评论 6 504
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,806评论 3 394
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 163,875评论 0 354
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,441评论 1 293
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,488评论 6 392
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,365评论 1 302
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,190评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,062评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,500评论 1 314
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,706评论 3 335
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,834评论 1 347
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,559评论 5 345
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,167评论 3 328
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,779评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,912评论 1 269
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,958评论 2 370
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,779评论 2 354

推荐阅读更多精彩内容