1. 假設檢驗 如何判斷兩組數據是獨立的 比如說滬深股市，一組是2005年前的，一組是2005年以後的。
計算他們的相關系數不知道行不行
2. 統計學！假設檢驗問題 單側檢驗和雙側檢驗
單側檢驗，是指當要檢驗的是樣本所取自的總體的參數值大於或小於某個特定值時，所採用的一種單方面的統計檢驗方法。
單側檢驗包括左單側檢驗和右單側檢驗兩種。如果所要檢驗的是樣本所取自的總體的參數值是否大於某個特定值時，則採用右單側檢驗；反之，若所要檢驗的是樣本所取自的總體的參數值是否小於某個特定值時，則採用左單側檢驗。
雙側檢驗，就是指當統計分析的目的是要檢驗樣本平均數和總體平均數，或樣本成數有沒有顯著差異，而不問差異的方向是否是正差還是負差時，所採用的一種統計檢驗方法。
(2)假設檢驗分析一支股票擴展閱讀
假設檢驗根據原資料作出一個總體指標是否等於某一個數值，某一隨機變數是否服從某種概率分布的假設，然後利用樣本資料採用一定的統計方法計算出有關檢驗的統計量，依據一定的概率原則，以較小的風險來判斷估計數值與總體數值是否存在顯著差異，是否應當接受原假設選擇的一種檢驗方法。
3. 怎樣確定一支股票的內在價值
股票內在價值
決定股票市場長期波動趨勢的是內在價值，但現實生活中股票市場中短期的波動幅度往往會超過同一時期內價值的提高幅度。那麼究竟是什麼決定了價格對於價值的偏離呢？投資者預期是中短期股票價格波動的決定性因素。
在投資者預期的影響下，股票市場會自發形成一個正反饋過程。股票價格的不斷上升增強了投資者的信心及期望，進而吸引更多的投資者進入市場，推動股票價格進一步上升，並促使這一循環過程繼續進行下去。並且這個反饋過程是無法自我糾正的，循環過程的結束需要由外力來打破。
近期的A股市場正是在這種機制的作用下不斷上升的。本輪上升趨勢的初始催化因素是價值低估和股權分置改革，但隨著A股市場估值水平的不斷提高，投資者樂觀預期已經成為當前A股市場不斷上漲的主要動力。
之前，對於A股市場總體偏高的疑慮曾經引發了關於資產泡沫的討論，並導致了股票市場的振盪。
股票的內在價值是指股票未來現金流入的現值。它是股票的真實價值,也叫理論價值。股票的未來現金流入包括兩部分:每期預期股利出售時得到的收入。股票的內在價值由一系列股利和將來出售時售價的現值所構成。
股票內在價值的計算方法模型有:
A.現金流貼現模型
B.內部收益率模型
C.零增長模型
D.不變增長模型
E.市盈率估價模型
股票內在價值的計算方法
（一）貼現現金流模型
貼現現金流模型（基本模型
貼現現金流模型是運用收入的資本化定價方法來決定普通股票的內在價值的。按照收入的資本化定價方法，任何資產的內在價值是由擁有這種資產的投資者在未來時期中所接受的現金流決定的。一種資產的內在價值等於預期現金流的貼現值。
1、現金流模型的一般公式如下：
(Dt：在未來時期以現金形式表示的每股股票的股利 k：在一定風險程度下現金流的合適的貼現率 V：股票的內在價值)凈現值等於內在價值與成本之差，即NPV=V－P其中：P在t＝0時購買股票的成本
如果NPV＞0，意味著所有預期的現金流入的現值之和大於投資成本，即這種股票價格被低估，因此購買這種股票可行。如果NPV＜0，意味著所有預期的現金流入的現值之和小於投資成本，即這種股票價格被高估，因此不可購買這種股票。通常可用資本資產定價模型（CAPM）證券市場線來計算各證券的預期收益率。並將此預期收益率作為計算內在價值的貼現率。
1、內部收益率
內部收益率就是使投資凈現值等於零的貼現率。
(Dt：在未來時期以現金形式表示的每股股票的股利 k*:內部收益率 P：股票買入價)
由此方程可以解出內部收益率k*。
（二）零增長模型
1、假定股利增長率等於0，即Dt=D0(1+g)tt=1,2,┅┅,則由現金流模型的一般公式得： P=D0/k<BR><BR>2、內部收益率k*=D0/P
（三）不變增長模型
4. 如何確定假設檢驗的方法
統計學中假設檢驗的基本步驟：
1.建立假設，確定檢驗水準α
假設有零假設（H0）和備擇假設（H1）兩個，零假設又叫作無效假設或檢驗假設。H0和H1的關系是互相對立的，如果拒絕H0，就要接受H1，根據備擇假設不同，假設檢驗有單、雙側檢驗兩種。
檢驗水準用α表示，通常取0.05或0.10，檢驗水準說明了該檢驗犯第一類錯誤的概率。
2.根據研究目的和設計類型選擇適合的檢驗方法
這里的檢驗方法，是指參數檢驗方法，有u檢驗、t檢驗和方差分析三種，對應於不同的檢驗公式。對雙樣本資料，要注意區分成組設計和配對設計的資料類型。如果資料里有"配成對子"字樣，或者是對同一對象用兩種方法來處理，一般就可以判定是配對設計資料。
3.確定P值並作出統計結論
u檢驗得到的是u統計量或稱u值，t檢驗得到的是t統計量或稱t值。方差分析得到的是F統計量或稱F值。將求得的統計量絕對值與界值相比，可以確定P值。
當α＝0.05時，u值要和u界值1.96相比較，確定P值。如果u＜1.96，則P＞0.05.反之，如u＞1.96，則P＜0.05.t值要和某自由度的t界值相比較，確定P值。如果t值＜t界值，故P＞0.05.反之，如t＞t界值，則P＜0.05。
相同自由度的情況下，單側檢驗的t界值要小於雙側檢驗的t界值，因此有可能出現算得的t值大於單側t界值，而小於雙側t界值的情況，即單側檢驗顯著，雙側檢驗未必就顯著，反之，雙側檢驗顯著，單側檢驗必然會顯著。即單側檢驗更容易出現陽性結論。
當P＞0.05時，接受零假設，認為差異無統計學意義，或者說二者不存在質的區別。當P＜0.05時，拒絕零假設，接受備擇假設，認為差異有統計學意義，也可以理解為二者存在質的區別。但即使檢驗結果是P＜0.01甚至P＜0.001，都不說明差異相差很大，只表示更有把握認為二者存在差異。
5. 方差分析與假設檢驗的有什麼區別聯系
假設檢驗：對總體分布或參數做出某種假設，然後再依據抽取的樣本信息，對假設是否正確做出統計判斷，即是否拒絕這種假設。
方差分析：通過對數據總變異進行分解，來檢驗多個總體均值是否相等的一種統計分析方法。
假設檢驗是在給定顯著性水平下，計算出拒絕域，並根據樣本統計量信息來做出是否拒絕零假設的決策；一般有提出假設，給定顯著性水平；計算統計量；計算拒絕域，做出決策這四個步驟。
方差分析是將全部觀值總的離均差平方和及自由度分解為兩個或多個部分，除隨機誤差外，其餘每個部分的變異可由某個因素的作用加以解釋，通過比較不同來源變異的均方，藉助F分布做出統計推斷，從而了解該因素對觀察指標有無影響。
6. 方差分析的假設檢驗是什麼
假設檢驗(Hypothesis Testing)是數理統計學中根據一定假設條件由樣本推斷總體的一種方法。具體作法是：根據問題的需要對所研究的總體作某種假設，記作H0；選取合適的統計量，這個統計量的選取要使得在假設H0成立時，其分布為已知；由實測的樣本，計算出統計量的值，並根據預先給定的顯著性水平進行檢驗，作出拒絕或接受假設H0的判斷。常用的假設檢驗方法有u—檢驗法、t檢驗法、χ2檢驗法(卡方檢驗)、F—檢驗法，秩和檢驗等。
7. 用SPSS進行假設檢驗，得出這個結果說明了什麼，具體是怎麼看的
Levene's test 即方差齊性檢驗的P>0.05，說明方差齊性或說方差相等。
分析結果看equal variances assumed的這一行，其P=0.022<0.05，
拒絕原假設，培訓前和掊訓後之間存在顯著性差異。
培訓前489.17，培訓後560.00，培訓後 >培訓前，說明培訓有效果。