什么叫拒绝域，假设检验中的拒绝规则是什么
什么叫拒绝域？
拒绝域
又称否定域(critical region)。用来判断是不是接受原假设H0的数量界限。拒绝域的边界值称为 临界值。当检验统计量取某个区域C中的值时，我们拒绝原 假设，则称区域C为拒绝域，拒绝域的边界点称为 临界点.
所属领域统计学
用途：判断是不是接受原假设的数量界限有关概念：检验统计量、显著性水平等
拒绝域的含义：
拒绝域亦称否定域，又称临界域是统计学的基本概念之一。指在假设检验中，据以拒绝原假设的统计量的取值范围，假设检验中按照检验统计量的分布，由给定的小可能性α(0α1)作为显著性水平所确定的拒绝原假设H0的区间称为拒绝域，即统计量在这当中取值的可能性为α的区域。
假设检验中的拒绝规则？
假设检验中拒绝原假设的规则是
A．左侧检验的拒绝域在左侧，即检验统计量值小于临界值
B．左侧检验的拒绝域在右侧，即检验统计量值大于临界值
C．右侧检验的拒绝域在右侧，即检验统计量值小于临界值
D．右侧检验的拒绝域在右侧，即检验统计量值大于临界值
E．双侧检验的拒绝域是检验统计量的绝对值大于临界值。
临界值法计算步骤？
临界值规则检验步骤：
(1)确定零假设和备择假设,
(2)确定检验统计量及其分布，
(3)按照样本观测数据计算检验统计量的观测值,
(4)按照检验统计量的分布和显著性水平确定检验的临界值，进一步确定拒绝域，
(5)判断检验统计量的观测值是不是落于拒绝域,
是，则拒绝零假设，不然，不可以拒绝
条件可能性公式记忆口诀？
第一章随机事件
互斥对立加减功,条件独立乘除清；
全概逆概百分比,二项分布是核心；
肯定事件随便用,选择先试不可能。
第二、三章一维、二维随机变量
1)离散问模型,分布列表清,
边缘用加乘,条件可能性定联合,
独立试矩阵
2)连续必分段,草图认真看，
积分是很重要关键点 ,密度微分算
3)离散先列表,连续后求导；
分布要分段,积分画图算
第五、六章数理统计、参数估计
正态方和卡方出，卡方相除变F，
若想得到t分布, 一正n卡再相除。
样本整体相互换,矩法估计很方便；
似然函数分开算,对数求导得零蛋；
区间估计有点难,样本函数选在前；
分位维数惹人嫌,导出置信U方甜。
第六章 假设检验
检验均值用U-T，分位对称别大意；
方差检验有卡方，左窄右宽不稀奇；
不论卡方或U-T，维数减一要牢牢的记在心里，不能忘了；
代入比较临界值，拒绝必在否定域
1 条件可能性公式:
P(A|B)代表事件B出现的情况下A出现的可能性。
P(A|B)=P(AB)/P(B)
2 全可能性公式
A代表结果，B代表因素。致使A出现的因素B可以细化为B1、B2......Bn 。这当中B1-Bn事件互斥，不可能同时产生。
P(A)=P(AB1)+P(AB2)+.....+P(ABn)
=P(A|B1)P(B1)+P(A|B2)P(B2)+.....+P(A|Bn)P(Bn)
每一个B都可能致使A的出现。
这是处理A在某些情况下不好解答的问题。
也可用右边式子表示
3 贝叶斯公式
与全可能性公式正好相反是解答事情出现的因素可能性 P(Bi|A)
P(Bi|A)=P(Bi)P(A|Bi)/P(A)
P(A)可按2中的全可能性公式展开
p值的范围？
P值是用来判断假设检验结果的一个参数，也可按照不一样的分布使用分布的拒绝域进行比较。由R·A·Fisher第一提出。
p值是指在一个可能性模型中，统计摘要（如两组样本均值差）与实质上观测数据一样，或甚至更大这一事件出现的可能性。换言之是检验假设零假设成立或表现更严重的概率。p值若与选定显著性水平（0.05或0.01）相比更小，则零假设会被否定而不可接受。然而，这依然不会直接表达原假设正确。p值是一个服从正态分布的随机变量，在实质上使用中因样本等各自不同的原因存在无法确定性。出现的结果可能会带来争议。
显著性检验如何计算？
第一提出假设，然后构造检验统计量，收集样本数据，计算检验统计量的样本观察值，第三，按照所提出的显著水平，确定临界值和拒绝域，第四，作出检验决策。
