概述 关注的问题 一些概念及记号 可学习性 什么是“学习” 什么是“可学习的” 假设空间复杂性对可学习性的影响 有限假设空间 无限假设空间：基于VC维的分析 无限假设空间：基于Rademacher复杂度的分析 稳定性

之所以用零来修饰原假设,其原因是原假 设的内容总是没有差异或没有改变,或变 量间没有关系等等。零假设总是一个与总体参数有关的问题, 所以总是用希腊字母表示。关于样本统计 量如样本均值或样本均值之差的零假设是 没有意义的,因为样本统计量是已知的, 当然能说出它们等于几或是否相等

 §8.1 假设检验  §8.2 正态总体均值的假设检验  §8.3 正态总体方差的假设检验  §8.6 分布拟合检验

前面,我们已经了解到,在假设检验中使用的逻辑是: 如果原假设H是对的,那么衡量差异 大小的某个统计量落入区域W(拒绝域)是 个小概率事件.如果该统计量的实测值落入 W,也就是说,H成立下的小概率事件发 生了,那么就认为H不可信而否定它.否则 我们就不能否定HO

§8.1 假设检验 §8.2 正态总体均值的假设检验 §8.3 正态总体方差的假设检验 §8.6 分布拟合检验

在本讲中,我们将讨论不同于参数估计的另一类重要的统计推断问题.这就是根据样本的信息检验关于总体的某个假设是否正确.这类问题称作假设检验问题

§7.1 假设检验的基本思想与概念 §7.2 正态总体参数假设检验 §7.3 其它分布参数的假设检验 §7.4 分布拟合检验

第一节 两总体大样本假设检验 第二节 两总体小样本假设检验 第三节 配对样本的假设检验 第四节 双样本区间估计

◼ 重点： １、假设检验的基本思想 ２、几种常用的检验方法 ◼ 难点： 假设检验的基本思想 第一节 参数估计 第二节 假设检验的基本思想及步骤 第三节 几种常用的检验方法 第四节 假设检验方法在体育中的应用

§1 假设检验的概念与步骤 §2 一个正态总体的假设检验 §3 两个正态总体的假设检验