构建关于比例显著性检验的假设

阿曼达读了一个调查 说美国49%的老师 是工会的成员。 她想检验这是不是真的 关于她所在州里的老师 所以她随机抽样了这些老师 观察百分之多少的人 是工会的成员 用p代表是她们州里老师 是工会成员的比例。 写下一个合适的假设 关于她的显著性测试 暂停视频看看你自己能不能做出来 让我们一起做。 显著性测试里我们想要 建立一个零假设 和一个备择假设 现在，零假设 是假设， 关于你希望得到的 这个报道说 49%的美国老师 是工会的成员 这是很合理的来假设这是 零假设 设为同样的占比 的老师在她的区域是工会的成员 所以这个百分数，占比为p 将是零假设， 她们州里的占比 也是49% 备择假设是什么？ 备择假设是她们州的占比 不是49% 这是新的信息 是有趣的事情要报道， 她们州有些不同 她要怎么用呢？ 她可以找一个她们州里老师的样本 找出样本的占比 找出得到样本占比的概率 如果假设零假设成立 如果概率比 阈值更低，也就是 她的显著性水平 她可以拒绝零假设 选择备择假设 让我们换一个例子。 基于一个2015年规模大的调查 90%的加州家庭 可以上网。 市场的调查员想要测试 这个概率现在是不是更高 她们随机抽样了1000个加州的家庭 找到了920个或92%的家庭 可以上网。 用p代表加州家庭可以 上网的比例。 写出合适的假设 关于显著性水平。 再一次，暂停视频 看看能否做出来。 再一次，我们想要零假设 和备择假设。 零假设说没有新的内容 是上面说的东西 人们有网络的占比 依旧是和旧的调查数据一样。 依旧是90% 可以写下90% 或可以写0.9 现在你们中的一些人想 在这里写92% 意识到 92%是样本的占比是很重要的。 这是样本的数据 我们写下这些假设 这些关于真实的参数的假设。 加州家庭有 网络的真正的占比是多少？ 这是关于真实的占比。 这里的替代是 大于90% 或者说大于0.9 写下90% 或0.9在这里 在这个问题里 他们写成这样来迷惑你 让你认为需要写成 92% 再一次，他们要怎么用这些假设？ 他们会抽样 得到92%的抽样的家庭 可以上网。 在这里 是样本的占比 然后可以知道 得到这个样本占比 的概率 关于样本的大小 如果假设 零假设是真的？ 如果得到的小于阈值的概率 小于阿尔法，小于显著性水平 我们要拒绝零假设 选择备择假设。