1樓：chan
首先假設檢驗中的不拒絕域和置信區間本質上是兩個不一樣的東西，但是它們之間有點異曲同工之妙。前者的不拒絕域是以總體引數為主體來構建的，它可以理解為假設引數為真的條件下樣本統計量落入這個不拒絕域的概率有（1-α），因此若你的樣本統計量在（1-α）這麼大的概率下仍然落入不了不拒絕域，那麼我就有充足的理由去說你這個原假設是假的，而這也正是假設檢驗的思想所在。至於置信區間它則是以樣本統計量作為主體來構造的，它是以乙個相對的思想來構造的，它的思想首先出發於估計量的無偏性，以正態分佈為例由於估計量具有無偏性因此總體引數真值的正負3σ的區間內包含了99%的樣本統計量，但是我們要估計的就是總體引數，因此總體引數是未知的，那我們就可以以相對的思想，既然你引數真值正負3σ的區間內包含了99%的樣本統計量，則我也有99%的樣本統計量±3σ區間也包含你引數真值，這就是置信區間。
總的來說，假設檢驗中的不拒絕域是以引數為主體來構造的，而區間估計中的置信區間則是以樣本統計量為主體來構造的，它們構造的主體不同，但是構造的思想基本一致。
By the way其實個人覺得假設檢驗的原理完全可以用p值來定義
2樓：
它們對問題的提法不同。但解決問題的途徑是相通的。
假設檢驗接受域的上下兩個邊界就是對應引數置信區間的置信上限和置信下限。
引數的假設檢驗和引數的區間估計是從不同角度回答同一問題，假設檢驗判斷結論是否成立，引數估計解決的是多少（或範圍）。前者解決定性的後者解決定量的。
關於假設檢驗中，接受原假設的結論可靠還是拒絕原假設的結論可靠？
拒絕H0結論要可靠些。這是所謂的反證法或證偽法。要證明乙個結論完全成立，可能需要窮舉法才能證明。但要拒絕乙個結論，只需要乙個反例。另外，這跟 風險和 風險也有關係。風險是H0實際上為真而被錯誤拒絕的風險。風險則是H0實際為假但被錯誤接受的風險。相對而言，風險帶來的危害程度遠遠小於 風險。因此這也是為...
假設檢驗如何選擇拒絕域
FANGGONG 理解這個問題首先明確幾個概念 第一類錯誤 原假設成立時拒絕原假設，其概率一般用 表示 第二類錯誤 原假設不成立時接受了原假設，其概率一般用 表示 檢驗功效 原假設不成立時拒絕了原假設的概率，用 表示 在乙個假設檢驗中，我們希望犯兩類錯誤的概率盡可能的小，但是 和 屬於此消彼長的關係...
什麼是假設檢驗的兩種錯誤？
Jason 舉個例子，假設有乙個銀行的工作人員，在判斷是不是要放貸給某個客戶。如果客戶的信用好，就貸款給他 如果客戶的信用不好，就不貸款給他。Alternative Hypothesis HA 備擇假設 這個客戶信用不好 Null Hypothesis H0 原假設 這個客戶信用好 如果我判定這個客...