※ 引述《yijung (天无难事,只怕有心)》之铭言： > 每次在做检定时,为什麽最後做决策当说"不拒绝虚无假设"时， > 却不能说接受虚无假设呢? 这是假说检定一个很基础、很重要的问题. 在 Neyman-Pearson 的检定理论, 检定的两个目标: 型Ｉ 错误机率愈小愈好、型II错误机率愈小愈好, 会相互冲突. 参见: 5/14 yhliu. □ 型Ｉ／型II误机率之消长 这是多目标决策问题常见的: 各目标可能相互冲突. 解决 方法之一是 Neyman-Pearson 的方法: 控制型Ｉ错误机率在某个水准以下, 然後 使型II错误愈小愈好. 这项选择先控制型Ｉ错误机率的决定, 使得 H0 被错误弃 却的机率能在合理可忍受范围; 但相对地, 除非从样本数 去考虑, 否则并不能获得低型II错误机率的保证. 雪上加霜的是: 很多假说检定问题的 H0 与 Ha 并不是分 离很清楚的, 而可能只是一线之隔,例如 H0: μ≦μ0 对 Ha: μ>μ0, 甚至 H0 可能只是整个参数空间的一个很特 殊的子集, 例如 H0: μ=μ0,σ>0; Ha: μ≠μ0,σ>0. 又如: H0: 群体是常态, Ha: 群体不是常态. 这使得在低 显着水准的情况, 型II错误机率的上限很高. 例如显着水 准 0.05 时,型II错误机率可以高达 0.95. 也就是说: 即 使 H0 并不成立, 若真实情况不是离 H0 有一段距离, 错 误地不弃却 H0 的机率高到离谱 (我们怎能忍受一个犯错 机率高达 0.95 的决策程序?) 因此, 检定结果无法弃却 H0, 只表示: 真实情况可能离 H0 不太远, 否则我们会错误地不弃却它的机率应没那麽高. 但我们既不知真正的参数值是多少,当然无法肯定究竟 H0 是对的? 或真实情况离 H0 不远? 或(真实情况离H0不近) 只是很不幸地看到一些导致误判的结果? 除了最後一种情 形其犯错机率可能小到可以容忍以外, 另两种情况既分不 清, 自然不应忽视 H0 不成立只是离真实情况不远的可能 性. 所以, 单凭 "不能弃却 H0", 我们并没有充分证据可 说 H0 是对的. 因此不说 "接受 H0" 而只说 "H0 不能被 弃却". 这就是所谓 "有几分证据说几分话". -- 嗨!  你好! 祝事事如意, 天天 happy! 统计专业版, 需要你的支持! :) 无名小站 telnet://wretch.twbbs.org Statistics (统计方法讨论区) 盈月与繁星 telnet://ms.twbbs.org Statistics (统计：让数字说话) 成大计中站 telnet://bbs.ncku.edu.tw Statistics (统计方法及学理讨论区) 交大资讯次世代 telnet://bs2.twbbs.org Statistics (统计与机率) ★本文未经本人同意请勿转载; 回覆请勿全文引用, 请仅留下直接涉及部分。 -- 夫兵者不祥之器物或恶之故有道者不处君子居则贵左用兵则贵右兵者不祥之器非君子 之器不得已而用之恬淡为上胜而不美而美之者是乐杀人夫乐杀人者则不可得志於天下 矣吉事尚左凶事尚右偏将军居左上将军居右言以丧礼处之杀人之众以哀悲泣之战胜以 丧礼处之道常无名朴虽小天下莫能臣侯王若能守之万物将自宾天地相合以降甘露民莫 之令而自均始制有名名亦既有夫亦将知止知止可以不殆譬道之在天 163.15.188.87海