CN115017461A - 一种结果评价表征方法、装置、计算机设备及存储介质 - Google Patents

一种结果评价表征方法、装置、计算机设备及存储介质 Download PDF

Info

Publication number
CN115017461A
CN115017461A CN202210622950.2A CN202210622950A CN115017461A CN 115017461 A CN115017461 A CN 115017461A CN 202210622950 A CN202210622950 A CN 202210622950A CN 115017461 A CN115017461 A CN 115017461A
Authority
CN
China
Prior art keywords
sample
test
hypothesis
mean
statistic
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202210622950.2A
Other languages
English (en)
Inventor
汪文涛
周暐
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Runlian Intelligent Technology Co ltd
Original Assignee
Runlian Software System Shenzhen Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Runlian Software System Shenzhen Co Ltd filed Critical Runlian Software System Shenzhen Co Ltd
Priority to CN202210622950.2A priority Critical patent/CN115017461A/zh
Publication of CN115017461A publication Critical patent/CN115017461A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Algebra (AREA)
  • Evolutionary Biology (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Complex Calculations (AREA)

Abstract

本申请实施例属于人工智能中的统计学技术领域，涉及一种样本假设检验的结果评价表征方法、装置、计算机设备及存储介质。本申请基于传统假设检验的基础上，提出一种全新的针对单样本均值假设检验结果可视化评价表征方法，不仅能表现假设检验结果，还能体现原始样本数据的波动特征；将复杂的检验结果简化表达，便于使用者直接、快速完成并理解假设检验的决策结果，具备较高的现实意义。

Description

一种结果评价表征方法、装置、计算机设备及存储介质
技术领域
本申请涉及人工智能中的统计学技术领域，尤其涉及一种样本假设检验的结果评价表征方法、装置、计算机设备及存储介质。
背景技术
假设检验是统计学和六西格玛管理中非常重要的一种方法，也是工程统计应用中，进行比较分析和根因分析中常用的高级数据分析手段之一。假设检验评估关于总体的两个相互排斥的陈述(原假设和备择假设)，以确定样本数据最佳支持哪种假设。
现有一种假设验证方法，即通过提出假设、确定检验统计量、规定显著性水平α、计算统计量的值、做出统计决策。
然而，申请人发现传统的假设验证方法普遍不智能，针对样本均值、方差以及比例的假设检验，现有的检验结果表征方法无法结合样本数据进行评价，且表征方式对于用户不易理解，用户无法直接可视化的观察当前假设检验的结果，由此可见，传统的假设验证方法存在验证效果评价缺失、不足等问题。
发明内容
本申请实施例的目的在于提出一种样本假设检验的结果评价表征方法、装置、计算机设备及存储介质，以解决传统的假设验证方法存在验证效果评价缺失、不足等问题。
为了解决上述技术问题，本申请实施例提供一种样本假设检验的结果评价表征方法，采用了如下所述的技术方案：
获取待检测样本数据、假设检验条件以及检验类型信息，其中，假设检验条件包括检验假设H0、备择假设H1以及显著性水平α，所述检验类型信息包括样本均值检验；
根据所述假设检验条件对所述待检测样本数据进行假设检验操作，得到假设检验结果；
若所述检验类型信息为样本均值检验，则根据所述待检测样本数据构建样本频数分布直方图，并在所述样本频数分布直方图中标注正态分布曲线以及样本均值信息；
根据所述假设检验结果计算样本均值检验统计量，其中，所述样本均值检验统计量包括样本均值
Figure BDA0003675305560000023
假设均值μ0以及样本数量n；
根据所述显著性水平α确认所述样本均值检验统计量的临界值以及所述样本均值
Figure BDA0003675305560000024
的临界值，并在所述本频数分布直方图中标注所述样本均值检验统计量的临界值、所述样本均值
Figure BDA0003675305560000025
的临界值以及所述假设检验结果。
为了解决上述技术问题，本申请实施例还提供一种样本假设检验的结果评价表征装置，采用了如下所述的技术方案：
数据获取模块，用于获取待检测样本数据、假设检验条件以及检验类型信息，其中，假设检验条件包括检验假设H0、备择假设H1以及显著性水平α，所述检验类型信息包括样本均值检验；
假设检验模块，用于根据所述假设检验条件对所述待检测样本数据进行假设检验操作，得到假设检验结果；
第一构图模块，用于若所述检验类型信息为样本均值检验，则根据所述待检测样本数据构建样本频数分布直方图，并在所述样本频数分布直方图中标注正态分布曲线以及样本均值信息；
第一统计模块，用于根据所述假设检验结果计算样本均值检验统计量，其中，所述样本均值检验统计量包括样本均值
Figure BDA0003675305560000021
假设均值μ0以及样本数量n；
第一标注模块，用于根据所述显著性水平α确认所述样本均值检验统计量的临界值以及所述样本均值
Figure BDA0003675305560000022
的临界值，并在所述本频数分布直方图中标注所述样本均值检验统计量的临界值、所述样本均值
Figure BDA0003675305560000031
的临界值以及所述假设检验结果。
为了解决上述技术问题，本申请实施例还提供一种计算机设备，采用了如下所述的技术方案：
包括存储器和处理器，所述存储器中存储有计算机可读指令，所述处理器执行所述计算机可读指令时实现如上所述的样本假设检验的结果评价表征方法的步骤。
为了解决上述技术问题，本申请实施例还提供一种计算机可读存储介质，采用了如下所述的技术方案：
所述计算机可读存储介质上存储有计算机可读指令，所述计算机可读指令被处理器执行时实现如上所述的样本假设检验的结果评价表征方法的步骤。
本申请提供了一种样本假设检验的结果评价表征方法，包括：获取待检测样本数据、假设检验条件以及检验类型信息，其中，假设检验条件包括检验假设H0、备择假设H1以及显著性水平α，所述检验类型信息包括样本均值检验；根据所述假设检验条件对所述待检测样本数据进行假设检验操作，得到假设检验结果；若所述检验类型信息为样本均值检验，则根据所述待检测样本数据构建样本频数分布直方图，并在所述样本频数分布直方图中标注正态分布曲线以及样本均值信息；根据所述假设检验结果计算样本均值检验统计量，其中，所述样本均值检验统计量包括样本均值
Figure BDA0003675305560000032
假设均值μ0以及样本数量n；根据所述显著性水平α确认所述样本均值检验统计量的临界值以及所述样本均值
Figure BDA0003675305560000033
的临界值，并在所述本频数分布直方图中标注所述样本均值检验统计量的临界值、所述样本均值
Figure BDA0003675305560000034
的临界值以及所述假设检验结果。与现有技术相比，本申请基于传统假设检验的基础上，提出一种全新的针对单样本均值假设检验结果可视化评价表征方法，不仅能表现假设检验结果，还能体现原始样本数据的波动特征；将复杂的检验结果简化表达，便于使用者直接、快速完成并理解假设检验的决策结果，具备较高的现实意义。
附图说明
为了更清楚地说明本申请中的方案，下面将对本申请实施例描述中所需要使用的附图作一个简单介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请可以应用于其中的示例性系统架构图；
图2是本申请实施例一提供的样本假设检验的结果评价表征方法的实现流程图；
图3是图2中步骤S204的一种具体实施方式的流程图；
图4是本申请实施例一提供的样本假设检验的结果评价表征方法的另一种具体实施方式的流程图；
图5是本申请实施例一提供的样本假设检验的结果评价表征方法的再一种具体实施方式的流程图；
图6是本申请实施例二提供的样本假设检验的结果评价表征装置的结构示意图；
图7是图6中第一统计模块240的一种具体实施方式的结构示意图；
图8是根据本申请的计算机设备的一个实施例的结构示意图。
具体实施方式
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同；本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请；本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
为了使本技术领域的人员更好地理解本申请方案，下面将结合附图，对本申请实施例中的技术方案进行清楚、完整地描述。
如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture ExpertsGroup Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(Moving PictureExperts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上显示的页面提供支持的后台服务器。
需要说明的是，本申请实施例所提供的样本假设检验的结果评价表征方法一般由服务器/终端设备执行，相应地，样本假设检验的结果评价表征装置一般设置于服务器/终端设备中。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
实施例一
继续参考图2，示出了本申请实施例一提供的样本假设检验的结果评价表征方法的实现流程图，为了便于说明，仅示出与本申请相关的部分。
上述的样本假设检验的结果评价表征方法，包括以下步骤：
步骤S201：获取待检测样本数据、假设检验条件以及检验类型信息，其中，假设检验条件包括检验假设H0、备择假设H1以及显著性水平α，检验类型信息包括样本均值检验；
步骤S202：根据假设检验条件对待检测样本数据进行假设检验操作，得到假设检验结果；
步骤S203：若检验类型信息为样本均值检验，则根据待检测样本数据构建样本频数分布直方图，并在样本频数分布直方图中标注正态分布曲线以及样本均值信息；
步骤S204：根据假设检验结果计算样本均值检验统计量，其中，样本均值检验统计量包括样本均值
Figure BDA0003675305560000066
假设均值μ0以及样本数量n；
步骤S205：根据显著性水平α确认样本均值检验统计量的临界值以及样本均值
Figure BDA0003675305560000064
的临界值，并在本频数分布直方图中标注样本均值检验统计量的临界值、样本均值
Figure BDA0003675305560000065
的临界值以及假设检验结果。
在本申请实施例中，提供了一种样本假设检验的结果评价表征方法，包括：获取待检测样本数据、假设检验条件以及检验类型信息，其中，假设检验条件包括检验假设H0、备择假设H1以及显著性水平α，检验类型信息包括样本均值检验；根据假设检验条件对待检测样本数据进行假设检验操作，得到假设检验结果；若检验类型信息为样本均值检验，则根据待检测样本数据构建样本频数分布直方图，并在样本频数分布直方图中标注正态分布曲线以及样本均值信息；根据假设检验结果计算样本均值检验统计量，其中，样本均值检验统计量包括样本均值
Figure BDA0003675305560000061
假设均值μ0以及样本数量n；根据显著性水平α确认样本均值检验统计量的临界值以及样本均值
Figure BDA0003675305560000062
的临界值，并在本频数分布直方图中标注样本均值检验统计量的临界值、样本均值
Figure BDA0003675305560000063
的临界值以及假设检验结果。与现有技术相比，本申请基于传统假设检验的基础上，提出一种全新的针对单样本均值假设检验结果可视化评价表征方法，不仅能表现假设检验结果，还能体现原始样本数据的波动特征；将复杂的检验结果简化表达，便于使用者直接、快速完成并理解假设检验的决策结果，具备较高的现实意义。
继续参阅图3，示出了图2中步骤S204的一种具体实施方式的流程图，为了便于说明，仅示出与本申请相关的部分。
在本实施例的一些可选的实现方式中，步骤S204具体包括：
步骤S301：根据Z检验方法计算样本均值检验统计量，其中，Z检测方法表示为：
Figure BDA0003675305560000071
其中，
Figure BDA0003675305560000072
表示样本均值；μ0表示假设均值；σ表示总体标准差；n表示样本个数；或者
步骤S302：根据T检验方法计算样本均值检验统计量，其中，T检测方法表示为：
Figure BDA0003675305560000073
其中，
Figure BDA0003675305560000074
表示样本均值；μ0表示假设均值；s表示样本标准差；n表示样本个数。
继续参阅图4，示出了本申请实施例一提供的样本假设检验的结果评价表征方法的另一种具体实施方式的流程图，为了便于说明，仅示出与本申请相关的部分。
在本实施例的一些可选的实现方式中，在步骤S202之后，还包括：
步骤S401：若检验类型信息为样本方差检验，则根据待检测样本数据构建样本散点图，并在样本散点图中标注样本均值
Figure BDA0003675305560000075
以及样本均值标准差
Figure BDA0003675305560000076
步骤S402：根据假设检验结果计算样本方差检测统计量，其中，样本方差检测统计量包括样本方差s2、假设标准差σ0以及样本数量n；
步骤S403：根据显著性水平α确认样本方差检测统计量的临界值以及样本方差s2的临界值，并在样本散点图上标注样本方差检测统计量的临界值、样本方差s2的临界值以及假设检验结果。
在本实施例的一些可选的实现方式中，样本方差检测统计量表示为：
Figure BDA0003675305560000081
其中，n表示样本数量；σ0表示假设标准差；s2表示样本方差。
继续参阅图5，示出了本申请实施例一提供的样本假设检验的结果评价表征方法的再一种具体实施方式的流程图，为了便于说明，仅示出与本申请相关的部分。
在本实施例的一些可选的实现方式中，在步骤S202之后，还包括：
步骤S501：若检验类型信息为单样本比例检验，则根据待检测样本数据构建样本比例分布图；
步骤S502：根据上述假设检验结果计算单样本比例检测统计量，其中，单样本比例检测统计量包括样本比例p、假设比例p0以及样本数量n；
步骤S503：根据显著性水平α确认单样本比例检测统计量的临界值以及样本比例p的临界值，并在样本比例分布图中标注单样本比例检测统计量的临界值、样本比例p的临界值。
在本实施例的一些可选的实现方式中，单样本比例检测统计量表示为：
Figure BDA0003675305560000082
其中，p表示样本比例；p0表示假设比例；n表示样本个数。
综上，本申请基于传统假设检验的基础上，提出一种全新的针对单样本均值、方差及比例的假设检验结果可视化评价表征方法，不仅能表现假设检验结果，还能体现原始样本数据的波动特征，同时，将复杂的检验结果简化表达，便于使用者直接、快速完成并理解假设检验的决策结果，具备较高的现实意义。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机可读指令来指令相关的硬件来完成，该计算机可读指令可存储于一计算机可读取存储介质中，该计算机可读指令在执行时，可包括如上述各方法的实施例的流程。其中，前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)等非易失性存储介质，或随机存储记忆体(Random Access Memory，RAM)等。
应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
实施例二
进一步参考图6，作为对上述图2所示方法的实现，本申请提供了一种样本假设检验的结果评价表征装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图6所示，本实施例的样本假设检验的结果评价表征装置200包括：数据获取模块210、假设检验模块220、第一构图模块230、第一统计模块240以及第一标注模块250。其中：
数据获取模块210，用于获取待检测样本数据、假设检验条件以及检验类型信息，其中，假设检验条件包括检验假设H0、备择假设H1以及显著性水平α，检验类型信息包括样本均值检验；
假设检验模块220，用于根据假设检验条件对待检测样本数据进行假设检验操作，得到假设检验结果；
第一构图模块230，用于若检验类型信息为样本均值检验，则根据待检测样本数据构建样本频数分布直方图，并在样本频数分布直方图中标注正态分布曲线以及样本均值信息；
第一统计模块240，用于根据假设检验结果计算样本均值检验统计量，其中，样本均值检验统计量包括样本均值
Figure BDA0003675305560000101
假设均值μ0以及样本数量n；
第一标注模块250，用于根据显著性水平α确认样本均值检验统计量的临界值以及样本均值
Figure BDA0003675305560000102
的临界值，并在本频数分布直方图中标注样本均值检验统计量的临界值、样本均值
Figure BDA0003675305560000103
的临界值以及假设检验结果。
在本申请实施例中，提供了一种样本假设检验的结果评价表征装置200，包括：数据获取模块210，用于获取待检测样本数据、假设检验条件以及检验类型信息，其中，假设检验条件包括检验假设H0、备择假设H1以及显著性水平α，检验类型信息包括样本均值检验；假设检验模块220，用于根据假设检验条件对待检测样本数据进行假设检验操作，得到假设检验结果；第一构图模块230，用于若检验类型信息为样本均值检验，则根据待检测样本数据构建样本频数分布直方图，并在样本频数分布直方图中标注正态分布曲线以及样本均值信息；第一统计模块240，用于根据假设检验结果计算样本均值检验统计量，其中，样本均值检验统计量包括样本均值
Figure BDA0003675305560000104
假设均值μ0以及样本数量n；第一标注模块250，用于根据显著性水平α确认样本均值检验统计量的临界值以及样本均值
Figure BDA0003675305560000105
的临界值，并在本频数分布直方图中标注样本均值检验统计量的临界值、样本均值
Figure BDA0003675305560000106
的临界值以及假设检验结果。本申请基于传统假设检验的基础上，提出一种全新的针对单样本均值假设检验结果可视化评价表征方法，不仅能表现假设检验结果，还能体现原始样本数据的波动特征；将复杂的检验结果简化表达，便于使用者直接、快速完成并理解假设检验的决策结果，具备较高的现实意义。
继续参阅图7，示出了图6中第一统计模块240的一种具体实施方式的结构示意图，为了便于说明，仅示出与本申请相关的部分。
在本实施例的一些可选的实现方式中，上述第一统计模块240包括：
Z检验子模块241，用于根据Z检验方法计算样本均值检验统计量，其中，Z检测方法表示为：
Figure BDA0003675305560000111
其中，
Figure BDA0003675305560000112
表示样本均值；μ0表示假设均值；σ表示总体标准差；n表示样本个数；或者
T检验子模块242，用于根据T检验方法计算样本均值检验统计量，其中，T检测方法表示为：
Figure BDA0003675305560000113
其中，
Figure BDA0003675305560000114
表示样本均值；μ0表示假设均值；s表示样本标准差；n表示样本个数。
为解决上述技术问题，本申请实施例还提供计算机设备。具体请参阅图8，图8为本实施例计算机设备基本结构框图。
所述计算机设备300包括通过系统总线相互通信连接存储器310、处理器320、网络接口330。需要指出的是，图中仅示出了具有组件310-330的计算机设备300，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。其中，本技术领域技术人员可以理解，这里的计算机设备是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程门阵列(Field－Programmable Gate Array，FPGA)、数字处理器(Digital Signal Processor，DSP)、嵌入式设备等。
所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
所述存储器310至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，所述存储器310可以是所述计算机设备300的内部存储单元，例如该计算机设备300的硬盘或内存。在另一些实施例中，所述存储器310也可以是所述计算机设备300的外部存储设备，例如该计算机设备300上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。当然，所述存储器310还可以既包括所述计算机设备300的内部存储单元也包括其外部存储设备。本实施例中，所述存储器310通常用于存储安装于所述计算机设备300的操作系统和各类应用软件，例如样本假设检验的结果评价表征方法的计算机可读指令等。此外，所述存储器310还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器320在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器320通常用于控制所述计算机设备300的总体操作。本实施例中，所述处理器320用于运行所述存储器310中存储的计算机可读指令或者处理数据，例如运行所述样本假设检验的结果评价表征方法的计算机可读指令。
所述网络接口330可包括无线网络接口或有线网络接口，该网络接口330通常用于在所述计算机设备300与其他电子设备之间建立通信连接。
本申请提供的计算机设备，基于传统假设检验的基础上，提出一种全新的针对单样本均值假设检验结果可视化评价表征方法，不仅能表现假设检验结果，还能体现原始样本数据的波动特征；将复杂的检验结果简化表达，便于使用者直接、快速完成并理解假设检验的决策结果，具备较高的现实意义。
本申请还提供了另一种实施方式，即提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可读指令，所述计算机可读指令可被至少一个处理器执行，以使所述至少一个处理器执行如上述的样本假设检验的结果评价表征方法的步骤。
本申请提供的计算机可读存储介质，基于传统假设检验的基础上，提出一种全新的针对单样本均值假设检验结果可视化评价表征方法，不仅能表现假设检验结果，还能体现原始样本数据的波动特征；将复杂的检验结果简化表达，便于使用者直接、快速完成并理解假设检验的决策结果，具备较高的现实意义。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本申请各个实施例所述的方法。
显然，以上所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例，附图中给出了本申请的较佳实施例，但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现，相反地，提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明，对于本领域的技术人员来而言，其依然可以对前述各具体实施方式所记载的技术方案进行修改，或者对其中部分技术特征进行等效替换。凡是利用本申请说明书及附图内容所做的等效结构，直接或间接运用在其他相关的技术领域，均同理在本申请专利保护范围之内。

Claims (10)

1.一种样本假设检验的结果评价表征方法，其特征在于，包括下述步骤：
获取待检测样本数据、假设检验条件以及检验类型信息，其中，假设检验条件包括检验假设H0、备择假设H1以及显著性水平α，所述检验类型信息包括样本均值检验；
根据所述假设检验条件对所述待检测样本数据进行假设检验操作，得到假设检验结果；
若所述检验类型信息为样本均值检验，则根据所述待检测样本数据构建样本频数分布直方图，并在所述样本频数分布直方图中标注正态分布曲线以及样本均值信息；
根据所述假设检验结果计算样本均值检验统计量，其中，所述样本均值检验统计量包括样本均值
Figure FDA0003675305550000011
假设均值μ0以及样本数量n；
根据所述显著性水平α确认所述样本均值检验统计量的临界值以及所述样本均值
Figure FDA0003675305550000012
的临界值，并在所述本频数分布直方图中标注所述样本均值检验统计量的临界值、所述样本均值
Figure FDA0003675305550000013
的临界值以及所述假设检验结果。
2.根据权利要求1所述的样本假设检验的结果评价表征方法，其特征在于，所述根据所述假设检验结果计算样本均值检验统计量的步骤，具体包括下述步骤：
根据Z检验方法计算所述样本均值检验统计量，其中，所述Z检测方法表示为：
Figure FDA0003675305550000014
其中，
Figure FDA0003675305550000015
表示样本均值；μ0表示假设均值；σ表示总体标准差；n表示样本个数；或者
根据T检验方法计算所述样本均值检验统计量，其中，所述T检测方法表示为：
Figure FDA0003675305550000016
其中，
Figure FDA0003675305550000021
表示样本均值；μ0表示假设均值；s表示样本标准差；n表示样本个数。
3.根据权利要求1所述的样本假设检验的结果评价表征方法，其特征在于，所述检验类型信息还包括样本方差检验，所述根据所述假设检验条件对所述待检测样本数据进行假设检验操作，得到假设检验结果的步骤之后，还包括下述步骤：
若所述检验类型信息为样本方差检验，则根据所述待检测样本数据构建样本散点图，并在所述样本散点图中标注所述样本均值
Figure FDA0003675305550000023
以及样本均值标准差
Figure FDA0003675305550000024
根据所述假设检验结果计算样本方差检测统计量，其中，所述样本方差检测统计量包括样本方差s2、假设标准差σ0以及样本数量n；
根据所述显著性水平α确认所述样本方差检测统计量的临界值以及样本方差s2的临界值，并在所述样本散点图上标注所述样本方差检测统计量的临界值、所述样本方差s2的临界值以及所述假设检验结果。
4.根据权利要求3所述的样本假设检验的结果评价表征方法，其特征在于，所述样本方差检测统计量表示为：
Figure FDA0003675305550000022
其中，n表示样本数量；σ0表示假设标准差；s2表示样本方差。
5.根据权利要求1所述的样本假设检验的结果评价表征方法，其特征在于，所述检验类型信息还包括单样本比例检验，所述根据所述假设检验条件对所述待检测样本数据进行假设检验操作，得到假设检验结果的步骤之后，还包括下述步骤：
若所述检验类型信息为单样本比例检验，则根据所述待检测样本数据构建样本比例分布图；
根据上述假设检验结果计算单样本比例检测统计量，其中，所述单样本比例检测统计量包括样本比例p、假设比例p0以及样本数量n；
根据所述显著性水平α确认所述单样本比例检测统计量的临界值以及所述样本比例p的临界值，并在所述样本比例分布图中标注所述单样本比例检测统计量的临界值、所述样本比例p的临界值。
6.根据权利要求5所述的样本假设检验的结果评价表征方法，其特征在于，所述单样本比例检测统计量表示为：
Figure FDA0003675305550000031
其中，p表示样本比例；p0表示假设比例；n表示样本个数。
7.一种样本假设检验的结果评价表征装置，其特征在于，包括：
数据获取模块，用于获取待检测样本数据、假设检验条件以及检验类型信息，其中，假设检验条件包括检验假设H0、备择假设H1以及显著性水平α，所述检验类型信息包括样本均值检验；
假设检验模块，用于根据所述假设检验条件对所述待检测样本数据进行假设检验操作，得到假设检验结果；
第一构图模块，用于若所述检验类型信息为样本均值检验，则根据所述待检测样本数据构建样本频数分布直方图，并在所述样本频数分布直方图中标注正态分布曲线以及样本均值信息；
第一统计模块，用于根据所述假设检验结果计算样本均值检验统计量，其中，所述样本均值检验统计量包括样本均值
Figure FDA0003675305550000032
假设均值μ0以及样本数量n；
第一标注模块，用于根据所述显著性水平α确认所述样本均值检验统计量的临界值以及所述样本均值
Figure FDA0003675305550000033
的临界值，并在所述本频数分布直方图中标注所述样本均值检验统计量的临界值、所述样本均值
Figure FDA0003675305550000034
的临界值以及所述假设检验结果。
8.根据权利要求7所述的样本假设检验的结果评价表征装置，其特征在于，所述第一统计模块包括：
Z检验子模块，用于根据Z检验方法计算所述样本均值检验统计量，其中，所述Z检测方法表示为：
Figure FDA0003675305550000041
其中，
Figure FDA0003675305550000042
表示样本均值；μ0表示假设均值；σ表示总体标准差；n表示样本个数；或者
T检验子模块，用于根据T检验方法计算所述样本均值检验统计量，其中，所述T检测方法表示为：
Figure FDA0003675305550000043
其中，
Figure FDA0003675305550000044
表示样本均值；μ0表示假设均值；s表示样本标准差；n表示样本个数。
9.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述处理器执行所述计算机可读指令时实现如权利要求1至6中任一项所述的样本假设检验的结果评价表征方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机可读指令，所述计算机可读指令被处理器执行时实现如权利要求1至6中任一项所述的样本假设检验的结果评价表征方法的步骤。
CN202210622950.2A 2022-06-01 2022-06-01 一种结果评价表征方法、装置、计算机设备及存储介质 Pending CN115017461A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210622950.2A CN115017461A (zh) 2022-06-01 2022-06-01 一种结果评价表征方法、装置、计算机设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210622950.2A CN115017461A (zh) 2022-06-01 2022-06-01 一种结果评价表征方法、装置、计算机设备及存储介质

Publications (1)

Publication Number Publication Date
CN115017461A true CN115017461A (zh) 2022-09-06

Family

ID=83073843

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210622950.2A Pending CN115017461A (zh) 2022-06-01 2022-06-01 一种结果评价表征方法、装置、计算机设备及存储介质

Country Status (1)

Country Link
CN (1) CN115017461A (zh)

Similar Documents

Publication Publication Date Title
CN112863683A (zh) 基于人工智能的病历质控方法、装置、计算机设备及存储介质
CN110647523B (zh) 数据质量的分析方法及装置、存储介质、电子设备
CN110688536A (zh) 一种标签预测方法、装置、设备和存储介质
CN113326991A (zh) 自动授权方法、装置、计算机设备及存储介质
CN113762303B (zh) 图像分类方法、装置、电子设备及存储介质
CN112181835A (zh) 自动化测试方法、装置、计算机设备及存储介质
CN115936895A (zh) 基于人工智能的风险评估方法、装置、设备及存储介质
CN115757075A (zh) 任务异常检测方法、装置、计算机设备及存储介质
CN111639360A (zh) 智能数据脱敏方法、装置、计算机设备及存储介质
CN114398466A (zh) 基于语义识别的投诉分析方法、装置、计算机设备及介质
CN112214770B (zh) 恶意样本的识别方法、装置、计算设备以及介质
CN117766067A (zh) Aop固体碱材料性能检测数据分析方法及系统
CN111367813B (zh) 决策引擎自动化测试方法、装置、服务器及存储介质
CN111311393A (zh) 信用风险的评估方法、装置、服务器和存储介质
CN115017461A (zh) 一种结果评价表征方法、装置、计算机设备及存储介质
CN112463844B (zh) 一种数据处理方法、装置、电子设备及存储介质
CN115328764A (zh) 基于自动化测试的测试代码优化方法及其相关设备
CN112069807A (zh) 文本数据的主题提取方法、装置、计算机设备及存储介质
CN113052509A (zh) 模型评估方法、模型评估装置、电子设备和存储介质
CN112181750A (zh) 工控网络设备的稳定性的测试方法、装置及介质
CN112784048B (zh) 对用户问题进行情感分析的方法、装置、设备及存储介质
CN114138972B (zh) 文本类别的识别方法及装置
CN116910669B (zh) 数据分类方法、装置、电子设备及可读存储介质
CN114443849B (zh) 一种标注样本选取方法、装置、电子设备和存储介质
CN110992067B (zh) 消息推送方法、装置、计算机设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information
CB02 Change of applicant information

Address after: Room 801, building 2, Shenzhen new generation industrial park, 136 Zhongkang Road, Meidu community, Meilin street, Futian District, Shenzhen, Guangdong 518000

Applicant after: China Resources Digital Technology Co.,Ltd.

Address before: Room 801, building 2, Shenzhen new generation industrial park, 136 Zhongkang Road, Meidu community, Meilin street, Futian District, Shenzhen, Guangdong 518000

Applicant before: Runlian software system (Shenzhen) Co.,Ltd.

TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20221223

Address after: 528000 Floor 11, Block 1, Foshan Hi tech Industrial Park, No. 70, Guxin Road, Chancheng District, Foshan City, Guangdong Province (application for residence)

Applicant after: Runlian Intelligent Technology Co.,Ltd.

Address before: Room 801, building 2, Shenzhen new generation industrial park, 136 Zhongkang Road, Meidu community, Meilin street, Futian District, Shenzhen, Guangdong 518000

Applicant before: China Resources Digital Technology Co.,Ltd.