说在前面的话：前面花了好多章来讲各种数据分析的方法和例子，突然发现我原来设想的主线乱了。我的设想是对空间统计进行科普型的描述，结果写到后面，特别是这几章（准确说是从填中位数中心的算法坑开始），幸好有吴道长果断提醒，说我偏离方向了，我才豁然省悟。再次友情感谢吴道长(PS:吴道长是GIS圈子里面古玩玩的最好的，古玩界里面，GIS技术最好的综合性人才)。所以从今天开始，我继续把空间统计里面那些绕口的理论变成大白话写给大家。
再贴一张这位老帅哥的相片：
零假设在统计里面，是用来干嘛的呢？
简单的说，零假设最早是为了解决瞎猜的问题。
看下面这个例子：
现在进入经典统计学里面的标准示例——丢硬币：
继续看例子，比如一个城市的犯罪事件，假设没有任何的附加条件，应该是这样的：
也就是城市的每个区域，他的犯罪率应该是相同的。嗯当然也有可能是这样：
也就是说，在城市任何一个角落，都有可能发生案件，也有可能不发生，完全是随机的。这与均匀分布不同的是，均匀分布是每个角落都有且只有一例（这是几乎不可能的）。相对来说，随机发生的可能性就大很多了，有可能这个区域一起都没有，也有可能连续发生好几起。
那么作为分析师，你首先要告诉我，拿到的这份数据是不是随机的，有没有随机的可能。如果是随机的，就说明罪犯是无目的的犯罪，走哪逮哪，完全靠瞎蒙。
无目的的犯罪是最麻烦的，罪犯没有目的的瞎蒙，，那么警察也只能跟着瞎蒙……
为了不瞎蒙，就要先进行数据的探索和分析了。
首先，假设罪犯就是无目的的犯罪，如果能够推翻这个假设，自然就证明了罪犯是有目的的，这样才可以进一步进行分析。
过程如下：
那么如何判定是否拒绝了零假设呢？这份数据是否随机呢？请回头去看把话空间统计第四章：P值和Z得分。
最后，总结一句话：我们做的所有计算，最后的目的就是为了推翻零假设，零假设的存在，就是为了让我们去拒绝的。
（看到这里，想到老夫就像零假设……被无数女生拒绝……遂有感而发）。
版权声明：本文为博主原创文章，未经博主允许不得转载。
我也相信爱可以排除万难;只是，万难之后，又有万难。这是我更相信的。
