数据与智能 本公众号关注大数据与人工智能技术。由一批具备多年实战经验的技术极客参与运营管理，持续输出大数据、数据分析、推荐系统、机器学习、人工智能等方向的原创文章，每周至少输出7篇精品原创。同时，我们会关注和分享大数据与人工智能行业动态。欢迎关注。
来源 | Data Science from Scratch， Second Edition
作者 | Joel Grus
译者 | cloverErna
校对 | gongyouliu
编辑 | auroral-L
全文共4998字，预计阅读时间30分钟。
第七章 假设与统计判断
7.1 统计假设检验
7.2 案例：掷硬币
7.3 置信区间
7.4 P-hacking
7.5 案例：运行A/B测试
7.6 贝叶斯推断
7.7 延伸学习
深谙统计之道，方为人中之龙。
——萧伯纳
具备以上统计学和概率理论知识以后，我们接着该做什么呢？数据科学的科学部分，乃是不断针对我们的数据和生成数据的机制建立假设和检验假设。
7.1 统计假设检验
通常，作为数据科学家，我们常常需要检验某个假设是否成立。有时，假设是诸如“这枚硬币是均匀的”“数据科学家喜欢 Python 胜过 R”或“如果人们点开某个突然弹出的小广告，广告的关闭按钮又小又难找，那么大家更倾向于离开这个页面，压根不会阅读”等可以被翻译成统计数据的断言。在各种各样的假设之下，这些统计数据可以理解为从某种已知分布中抽取的随机变量观测值，这可以让我们对这些假设是否成立做出论断。
典型的步骤是这样的，首先我们有一个零假设 H0，它代表一个默认的立场，而替代假设H1代表我们希望与零假设对比的立场。我们通过统计来决定我们是否可以拒绝 H0，即判断它是否错误。通过举例能更直观地说明这个过程。
7.2 案例：掷硬币
假设有一枚硬币，我们试图判断它是否均匀，即任何一面朝上的可能性是否相等。首先，假设硬币落地后正面朝上的概率为 p，所以我们的零假设为硬币均匀，即 p=0.5。我们要对比替代假设 p≠0.5 来检验这个假设。
具体来说，首先掷硬币 n 次，将出现正面朝上的次数记为 X。每次掷硬币都是一次伯努利试验，意味着 X 是二项式随机变量 Binomial(n,p)，（正如第 6 章中所讲到的）可以用正态分布来拟合：
只要一个随机变量服从正态分布，我们就可以用 normal_cdf 来计算出一个变量位于（或不在）某个特定区间的概率：
或者反过来，找出非尾区域，或者找出均值两边的（对称）区域，这个区域恰好对应特定的可能性。比如，如果我们需要找出以均值为中心、覆盖 60% 可能性的区间，那我们需要找到两个截点，使上尾和下尾各覆盖 20% 的可能性（给中间留出 60%）：
