week11

week 11

Chp16,chp18-20

显著性和P值的理解

选择一个阈值α作为统计显著性，并试图证明:如果总体分布与原假设一致，那么从总体中抽取出现有数据的概率小于α。然后，我们就可以在置信度为α 的情况下拒绝原假设，接受概率为1-α的与原假设相反的假设
则P = 1- α
即P为如果拒绝掉原假设会犯错的概率(可以大致理解为，原假设靠谱的概率，实际上不能这么表示)
能否真正恰当地拒绝原假设，只看P值是靠不住的
还跟样本量有关系
随着样本量的增大，样本均值和方差都会有所变化，P值会随之改变。

条件概率和贝叶斯概率

条件概率：P(A|B) = P(A+B)/P(B)
贝叶斯概率：P(A|B) = P(A)*P(B|A)/P(B)
应用：可以使用新的证据修正先前的可信 度。贝叶斯定理可以迭代使用:观测到一些新证据之后，可以将原来的后验概率作为先验概率， 并根据新的证据计算出新的后验概率