Lec 12假设检验

讲义完成更新于 2026-09-28

承接Lec 11 · Monte Carlo 与 bootstrap

后续Lec 13 · 简单线性回归

Lec 12 假设检验

MIT 9.07 · 脑与认知科学统计学 · 主讲 Emery N. Brown

TL;DR

假设检验的决策边界：建立原假设 $H_0$ 与对立假设 $H_1$ ，基于抽样分布设定显著性水平 $lpha$ （第一类错误拒真概率）。
p 值的严谨认识论定义：在原假设绝对为真的前提下，观察到当前极端或更极端检验统计量的主观概率，绝非 $H_0$ 为真的概率。
统计功效与样本量规划： $1-eta$ 衡量在真实效应存在时成功检出的概率，功效分析是规避伪阴性科研灾难的先决前提。

1. 核心问题

驱动问题：- MEG 传感器是否有偏移？大鼠 22/40 次正确是否高于随机水平？两个群组均值或正确率是否不同？
每个问题都要先规定检验方向、统计量、错误率和模型假设，而不是看见数字不同就下结论。
统计本质：神经生物与行为数据本质上是由微观随机过程（离子通道开关、递质释放、神经元脉冲时延）驱动的高噪声样本，统计学提供了连接不确定性数据与生理因果律的严谨数学公理体系。
课程坐标：本讲作为全课程第 12 讲，深度承接前后的理论进阶，构筑从基础概率空间向复杂参数估计与推断决策跃迁的关键量化基石。

2. 核心概念

概念	一句话定义	易混淆处
$H_0/H_A$	零假设与备择假设，规定要区分的参数状态	未拒绝 $H_0$ 即接受它
第一/第二类错误	真 $H_0$ 却拒绝；假 $H_0$ 却未拒绝	分别等同 p 值与效应量
p 值	在 $H_0$ 所定模型下，观察到同样或更极端统计量的概率	$H_0$ 为真的概率
检验力	给定备择参数时正确拒绝 $H_0$ 的概率 $1-\beta$	观察后效应已经被证明
置信区间	报告参数尺度上的估计范围与精度	只需 p 值即可替代

3. 证据链与数学推导

讲义算例：22/40 次大鼠正确选择

设计：规定 $H_0:p=0.5$ 、单侧 $H_A:p>0.5$ ；在独立二项模型下观察 $\hat p=0.55$ 。
结果：讲义用高斯近似算 $z\approx0.632$ ，低于 $\alpha=0.05$ 单侧临界值 $1.645$ ，因此未拒绝 $H_0$ 。
推论：这批数据不足以按该检验标准确认高于机会水平。
软肋：未拒绝不意味着动物没有学习；训练轨迹、试次依赖和检验力都需另查。

讲义算例：MEG 传感器偏移与样本量

设计：用已知噪声标准差的高斯均值检验测试传感器均值是否为零，讨论正偏移；再按目标偏移和检验力规划读数数量。
结果：讲义一个正偏移例给单侧 p 值约 $0.0122$ ；若目标偏移约 $0.1$ 个讲义单位、 $\alpha=0.05$ 、检验力 $0.8$ ，其公式给约 $748$ 个读数。
推论：检验结果和实验前样本量设计是不同步骤；更小目标效应通常要更多独立读数。
软肋：连续 MEG 读数可能相关，简单独立样本量公式会高估有效信息。

讲义算例：14 次反应时

设计：已知先前任务均值为 10 秒，当前 14 次平均 8.25 秒、样本标准差 2.1 秒，用未知方差的一样本双侧 t 检验。
结果：讲义算 $t\approx-2.26$ 、自由度 13；绝对值略高于其 $0.05$ 双侧临界值约 $2.16$ 。
推论：当总体方差未知且样本不大，t 分布比已知方差 z 检验合适。
软肋：14 次反应是否独立、任务条件与先前研究是否相同，会决定比较是否有意义。

4. 理论之争与计算模型

立场 A	立场 B	区分证据
用高斯近似二项计数	小样本、稀有成功需精确二项法	近似尾概率与精确尾概率比较
只报告检验决策	同时报效应估计和置信区间	决策阈值附近的结果解释及实际重要性

5. 分析层次的整合

系统层次	核心研究维度	本讲关键机制与实证
数学公理与概率层（Axiomatic）	测度论、概率空间、随机变量分布族代数性质	严格遵循全概率公式、矩母函数乘积与特征函数极限定理
统计推断与算法层（Algorithmic）	估计量构造、似然求解、置信区间与假设检验决策	最小化 MSE、求解得分方程与重采样经验分位数收敛
神经与实验数据层（Empirical）	动作电位放电时间序列、脑电/肌电连续信号与行为抉择	实测数据校准理论模型，Q-Q 图诊断残差偏态与过离散度

层次小结：- 神经/生理：MEG 传感器噪声偏移。
认知/信息加工：由科学问题定义参数假设和拒绝规则。
行为：大鼠正确率及反应时。
社会/文化：阈值选择、误报与漏报成本影响研究设计。

6. 边界条件与失效情形

- p 值不是 $P(H_0\mid\text{数据})$ ；统计显著也不自动证明因果或实际效应重要。
检验力需在规划时针对具体备择效应计算，不能从未拒绝结果直接推断「完全无效」。
同一假设若改成单侧或双侧，临界值和解释会变化；方向应在看数据前有依据。
讲义的一些比较材料来自课后作业背景，本笔记只整理已公开的课堂算例和方法，不补写作业答案。
常态与极端的辩证：大样本渐近理论（如 CLT、MLE 渐近正态）在小样本或强相关神经元群体中面临严重失效风险；必须通过非参数自举或精确检验监控统计稳健性。

7. 课程内外的横向关联

讲次串联：- Lec08-Method-of-Moments 的置信区间给参数精度。
Lec11-Bootstrap-and-Monte-Carlo 可在解析检验不合适时估计统计量分布。
自举例：若 22/40 与 20/40 不显著不同，不能说两天「完全一样」；需看差值区间是否排除了实际有意义的变化。
跨学科生态联结：与 MIT 9.00《心理学导论》研究方法、9.35《知觉》心理物理学、以及 9.59《心理语言学实验》的方差分析与线性回归紧密贯通，构成了整个脑与认知科学的通用统计语言。

我的理解

统计神经科学家的心智诊断：p 值的原罪与忏悔——走出虚无假设显著性的科学危机

现代科学正在经历一场惊心动魄的“可重复性危机”，而这场危机的罪魁祸首，正是被无数科研人员奉若神明、却几乎无人真正理解其含义的 $p < 0.05$ 。

多少学者把“p 小于 0.05”盲目当成了“我的假设绝对正确”、“原假设只有 5% 概率为真”的通行证。

埃默里·布朗教授在 9.07 课堂上的严厉批判振聋发聩： $p$ 值仅仅是在假设完全无效应的前提下，观测到当前极端数据的条件概率！如果一项研究的检验功效极低、先验几率极微，哪怕踩中了 $p = 0.01$ ，该阳性结果依然有高达 80% 的概率是彻头彻尾的虚假噪声。

走出对单一 p 值的迷信，拥抱效应量、置信区间、先验几率与严密的统计功效设计，是每一个严谨神经科学家必须完成的科学成年礼。

8. 思考题与自测

对 22/40 正确数，为什么讲义未拒绝 $p=0.5$ ？这能证明什么、不能证明什么？
p 值与检验力分别在哪个参数状态下计算？
14 次反应时为何用 t 而非简单 z 检验？

9. 开放问题与前沿探索

未决之谜：- 对同一动物连续试次，怎样处理依赖造成的有效样本量下降？
多个神经元或体素同时检验时，怎样控制总体误报？
前沿计算交叉：点过程非线性滤波（Point Process Filter）与状态空间模型（State-space Models）在脑机接口（BCI）实时神经假体运动解码中的实证应用，展示了统计推断在闭环神经工程中的最前沿突破。

10. 参考文献与延伸阅读

课程核心材料：
- Brown, E. N. (2016). 9.07 Statistics for Brain and Cognitive Science, Lecture 12: 假设检验. MIT OpenCourseWare.
- Casella, G., & Berger, R. L. (2002). Statistical Inference (2nd ed.). Duxbury.
- Brown, E. N., Kass, R. E., & Mitra, P. P. (2004). Multiple neural spike train data analysis: State-of-the-art and future challenges. Nature Neuroscience, 7(5), 456–461.
- Kass, R. E., Eden, U. T., & Brown, E. N. (2014). Analysis of Neural Data. Springer.