400-803-8660 Mon. - Fri. 10:00-22:00

数据分析|3分钟,看懂假设验证,这太实用了!

数据分析|3分钟,看懂假设验证,这太实用了!



我们经常会遇到对一个总体数据进行评估的问题,但我们又不能直接统计全部数据。假设检验就是先对总体参数提出一个假设值,然后利用样本信息判断这一假设是否成立。


文章来源|码工小熊

作者|小熊妹


大家好,我是爱学习的小熊妹。


今天来说说假设检验。这是个古老的方法,近年ABtest大行其道,使假设检验方法迎来了新一波文艺复兴,搞得很多小伙伴都在问:如何做假设检验?那一堆似懂非懂的统计符号啥意思?


今天小熊妹帮大家整理了一个懒人攻略,大家抄起来用即可。可能有描述不准确的地方,大神们勿喷哦。


01

假设检验是干什么的?



假设检验最常见的场景有两个:



总之是吵架必备,怼人利器。


02

什么时候适合用假设检验?



当错误很明显的时候,不需要做假设检验。比如销售、运营的表现不好,可以直接取过往X天的销售业绩、运营指标来看。如果销售业绩一直下滑,还有啥好说的,这时候不需要假设检验,直接开怼。


有些问题不那么明显,比如上边吐槽的产品寿命问题。除非产品用到烂,否则不知道寿命是多少。而当用户遇到产品寿命很短的问题的时候,他们只会默默换牌子,也很少投诉“不耐用”。此时必须做抽样检测,就得用到假设检验方法。


在论证新点子很好的时候,也需要先把新点子做出来,再做小范围测试。此时也要用假设检验方法。总之,假设检验方法适合于抽样检验/小范围测试的场景。


03

假设检验是怎么验的?



众所周知:证伪比证真容易多了。证真要穷尽各种可能,证伪只要找到反例即可。假设检验的基本思路也是如此,它利用了“小概率事件,不可能在一次小范围抽样中发生”的朴素原理,先提一个假设,之后看能否用小概率事件推翻它。能推翻的,就说明假设不成立;不能推翻,就至少说明不能推翻(是否接受假设,可以再验证)。


基于这个原理,我们一般把要怼翻的结论,作为原假设。然后试着去怼翻它!(如下图)



很多小伙伴在这里犯迷糊:到底原假设是啥?最简单的判断方法,就是:想怼翻什么,就把什么放原假设(记得带等号的一定在原假设)。不过实践的时候,还是经常会写错,这里需要多加练习才行。


设定原假设以后,还要设定“小概率事件”到底有多小。一般用显著性水平α来表示。α是一个人工给定的数,一般给0.10,0.05,0,01看起来够小就行。


04

得到假设以后怎么操作?


得到假设后,需要选择合适的检验统计量,代入参数,计算是否属于小概率事件。


检验统计量,和要检验的假设有关系。比如上述产品使用寿命问题,是一个典型的单总体(只有一个产品要检验)+均值(使用寿命,指的是待检测产品的平均寿命)检验问题,因此可以选用t检验。如果是比例检验问题(比如检验产品的合格率,合格率=问题样本/全部抽检样本),则可以使用Z统计量(如下图)



有了统计量以后,可以检验是否属于小概率事件。不同的假设,拒绝不同



关于拒绝区域,有个简单的记忆方法,就是:

  1. 如果假设是等号,拒绝区域就是左右两侧。潜台词就是:既然咱俩相等,那检验值应该不大不小才对。

  2. 如果假设是小于号,拒绝区域就是右侧。潜台词就是:既然你比我小,那检验值肯定不太大呀

  3. 如果假设是大于号,拒绝区域就是左侧。潜台词就是:既然你比我大,那检验值肯定不能太小呀


这样就容易区分了


当然,有很多统计软件/算法直接给了P值,大家记得:P值小于0.05就拒绝原假设即可。


05

看个简单的例子



某产品经理宣称,目标用户80%都是年轻人(25岁以下),现随机抽样200人,发现146名年龄在25岁以下,问:我们能怼翻产品经理的结论不?


解答过程如下:



原假设被拒绝掉了,我们可以认为产品经理在吹逼,打完收工!


06

从假设检验到ABtest



实际上,假设检验的类型很丰富。为了小伙伴们理解方便,上边举的是最简单的单总体问题。单总体问题,常见于已经有了一个预设结论,之后推翻这个结论的情况。比如证明新版本A比老版本的数据好看。


我们常说的ABtest,如果是真的是设计两个版本A版和B版,之后再检验AB版的区别,则涉及2个总体的均值/比例检验,需要用到不同的统计量。


以上检验均值/比例的方法,统称参数检验,还有非参数检验,比如检验身高和体重之间是否有关系。这些方法在实际工作中有不同的应用场景,之后再慢慢介绍吧。




以上就是本篇关于「假设检验」的全部内容啦,希望对您有所启发。如果文章对您有帮助,请动动手指,分享、收藏、点赞、在看,有什么其他问题或想法,也欢迎下方评论区留言,我们会及时为您解答,一起讨论~


END



数据分析

/

往期推荐

打假!!伪数据分析思维大曝光

一看就会的九种数据分析方法|结构分析法

一看就会的九种数据分析方法|矩阵分析法

用户增长到底是什么?和数据分析到底有啥关系|解密




>>>更多内容请前往公众号:九枝兰网络营销




   

扫描下方二维码,进入【九枝兰广告营销交流群】~

                                                                            

👇👇👇 

IMG_5903.jpg

「九枝兰广告营销交流群」致力于为各位优化师、营销人提供一个广告优化、市场营销的话题讨论平台,大家扫描下方二维码即可进群,也欢迎大家添加阿潘微信邀请新朋友进群,我们将提供:


1、5大搜索平台资料;2、49个信息流平台资料;3、8大平台工具使用手册;4、信息流广告账户优化方法论;5、各行业报告、营销案例、白皮书;6、60个用户人群分析报告;7、100+广告创意素材文案;8、15个信息流平台大盘数据;9、最新文章、最新活动;10、异业合作。


等等~

                      

 
                                                                                                           

扫描下方二维码,注册成为九枝兰用户「预约产品演示」


👇👇👇


 默认标题_横版二维码_2021-08-13-0 (1).png


 
                                                                                                           

更多详情,可扫描下方二维码,添加九枝兰-阿潘进行咨询~


👇👇👇 


未命名_自定义px_2021-09-09+18_11_43.png