第四章 假设检验简略版

假设检验基础知识在我们的日常生活和各种研究领域中，经常需要对一些观点或情况进行判断和验证。

假设检验就是这样一种强大的工具，它帮助我们基于样本数据来做出有关总体的推断。

那什么是假设检验呢？简单来说，假设检验就是先提出一个关于总体的假设，然后通过收集样本数据，运用统计方法来判断这个假设是否成立。

假设检验中有两个重要的概念：原假设和备择假设。

原假设通常是我们想要去推翻的那个假设，它表示“现状”或者“默认”的情况。

备择假设则是我们希望能够证明成立的假设。

比如说，我们想研究一种新的教学方法是否能提高学生的考试成绩。

原假设可能是“新教学方法对学生的考试成绩没有提高作用”，而备择假设就是“新教学方法能提高学生的考试成绩”。

在进行假设检验时，我们还需要考虑检验的类型。

常见的有单侧检验和双侧检验。

单侧检验又分为左侧检验和右侧检验。

双侧检验关心的是总体参数与某个特定值之间是否存在显著差异，而不关心差异的方向。

比如，我们检验某种药物的平均效果是否与标准值不同，这时候就用双侧检验。

单侧检验就有方向上的考虑了。

左侧检验是当我们关心总体参数是否小于某个特定值时使用。

比如，检验某种设备的故障率是否低于规定的水平。

右侧检验则是在关心总体参数是否大于某个特定值时采用。

像是检验新产品的销量是否高于旧产品。

确定好假设和检验类型后，接下来就要根据样本数据计算检验统计量。

这个检验统计量是根据我们所选择的检验方法和样本数据计算出来的一个数值。

然后，我们要根据检验统计量的值来确定 P 值。

P 值就是在原假设成立的情况下，得到当前样本结果或者更极端结果的概率。

如果 P 值很小，比如小于我们事先设定的显著性水平（通常是 005或 001），那我们就拒绝原假设，认为备择假设更有可能成立。

相反，如果 P 值大于显著性水平，我们就没有足够的证据拒绝原假设。

举个例子，假设我们要检验一个工厂生产的灯泡的平均寿命是否达到 1000 小时。

我们抽取了一定数量的灯泡进行测试，计算出样本的平均寿命和标准差，然后计算检验统计量，得到 P 值。

假设检验的基本概念与步骤在统计学中，假设检验是一种常用的方法，用于判断一个统计总体的参数是否与特定的假设相一致。

通过检验统计量在某种给定假设下的抽样分布，我们可以判断是否拒绝该假设，并进行统计推断。

本文将介绍假设检验的基本概念与步骤，帮助读者更好地理解和应用假设检验方法。

一、基本概念1. 总体和样本在假设检验中，我们通常关注一个统计总体中的一个或多个参数。

总体是我们研究的对象所具有的属性的集合，而样本则是从总体中随机抽取的一部分观测值。

2. 假设（Hypothesis）假设是根据现有理论或实证研究提出的对总体参数的某种陈述或假设，用于进行统计推断。

在假设检验中，我们通常提出一个原假设（null hypothesis，H0）和一个备择假设（alternative hypothesis，H1或Ha）。

3. 统计量（Test Statistic）统计量是根据样本数据计算得出的一个统计指标。

它在假设检验中用于度量观测值与假设之间的差异，并作为判断是否拒绝原假设的依据。

常见的统计量有t值、F值、卡方值等。

4. 显著性水平（Significance Level）显著性水平是在假设检验中设定的一个阈值，用于确定拒绝或接受原假设的标准。

通常用α表示，常见的显著性水平有0.05和0.01两种。

5. 拒绝域和p值拒绝域是在假设检验中用来拒绝原假设的一组可能取值区间或区域。

p值是在给定原假设成立的条件下，观测值能够得到的“更极端”结果的概率。

如果p值小于显著性水平α，则拒绝原假设。

二、基本步骤假设检验的一般步骤如下：1. 建立假设首先，我们需要根据研究问题和已有理论或实证研究提出原假设和备择假设。

原假设通常表达我们对总体参数的无差异或相等的假设，备择假设则表达我们对总体参数存在差异的猜测。

2. 选择显著性水平在假设检验中，我们需要选择一个适当的显著性水平。

通常，显著性水平的选择要根据研究的目的和特定领域的惯例来确定。

关于假设检验的详细总结与典型例题假设检验是数一考生普遍反映非常头疼的一块内容，因为它入门较难，其思想在初次复习时理解起来较难。

虽然这一部分在历年真题中考查次数很少，但为了做到万无一失，我们也应该准备充分，何况相对来说这一部分内容的难度和变化并不大。

为了让各位考生对假设检验有一个全面深入的理解和掌握，我们给出如下总结与例题。

对于假设检验，首先要理解其基本原理，即小概率原理，假设检验的方法即是从此原理衍生而来；其次，要掌握其步骤，会根据显著性水平α，即第一类心理学考研错误，来求拒绝域与接收域，其求法要根据不同的条件来套用公式，能根据理解推导公式是上策，如果时间不够，可以选择记忆各种不同条件下的求拒绝域的公式。

最后，相比之下两个正态总体参数的假设检验的考查可能性要低于一个正态总体参数的假设检验。

假设检验的基本概念数理统计的基本任务是根据样本推断总体，对总体的分布律或者分布参数作某种假设，然后根据抽得的样本，运用统计分析的方法来检验这一假设是否正确，从而作出接受假设或者拒绝假设的决定，这就是假设检验.根据实际问题提出的假设0H 称为原假设，其对立假设1H 称为备择假设. 假设检验中推理的依据是小概率原理：小概率事件在一次试验中实际上不会发生. 假设检验中的小概率α称为显著性水平，通常取0.05α=或者0.01α=.假设检验中使用的推理方法是：为了检验原假设0H 是否成立，我医学考研论坛们先假定原假设0H 成立. 如果抽样的结果导致小概率事件在一次试验中发生了，根据小概率原理，有理由怀疑0H 的正确性，从而拒绝0H ，否则接受0H .假设检验的步骤⑴根据实际问题提出原假设0H 和备择假设1H ； ⑵确定检验统计量T ；⑶根据给定的显著水平α，查概率分布表，确定拒绝域W ；⑷利用样本值计算统计量T 的值t ，若t W ∈，则拒绝0H ，否则接受0H .假设检验中可能犯的两类错误由于小概率事件还是可能发生的，根据小概率作出的判断可能是错误的. 事件0H 真而拒绝0H ，称为第一类（弃真）错误，犯第一类错误的概率为{}0P t W H α∈≤，因此显著性水平α是用来控制犯第一类错误的概率的. 0H 假而接受0H ，称为第二类（纳伪）错误，犯第二类错误的概率为{}1P t W H ∉，记作β.典型例题1.136,,X X 是取自正态总体(,0.04)N μ的简单随机样本，检验假设0:0.5H μ=，备择假设11:0.5H μμ=>，检验的显著水平0.05α=，取否医学考研论坛定域为X c >，则c = ，若10.65μ=，则犯第二类错误的概率β= .解 ⑴0H 成立时，0.04~(0.5,)36X N ， {}00.50.051()0.1/3c P X c H αΦ-==>=-，0.5()0.95(1.645)0.1/3c ΦΦ-==，0.51.6450.1/3c -=，得0.5548c =.⑵1H 成立时，0.04~(0.65,)36X N{}10.55480.65()( 2.856)0.1/3P X c H βΦΦ-=≤==-.1(2.856)10.99790.0021Φ=-=-=2.设总体20~(,)X N μσ，20σ已知，检验假设00:H μμ=，备择假设10:H μμ>，取否定域为X c >，则对固定的样本容量n ，犯第一类错误的概率α随c 的增大而 .（减小）解 0H 成立时，200~(,)X N nσμ，犯第一类（弃真）错误的概率{}001(/P X c H nαΦσ=>=-，故犯第一类错误的概率α随c 的增大而减小.一个正态总体2(,)N μσ参数的假设检验 ⑴ 2σ已知，关于μ的检海文考研验（u 检验） 检验假设00:H μμ= 统计量X U =拒绝域2U u α>检验假设00:H μμ>统计量X U =拒绝域U u α<-检验假设00:H μμ<统计量X U =拒绝域U u α>⑵2σ未知，关于μ的检验（t 检验） 检验假设00:H μμ=统计量X t =拒绝域2(1)t t n α>-检验假设00:H μμ> 统计量0/X t S n = 拒绝域(1)t t n α<--检验假设00:H μμ< 统计量0/X t S n=拒绝域(1)t t n α>-⑶μ未知，关于2σ的检验（2χ检验） 检验假设2200:H σσ=统计量2220(1)n S χσ-=拒绝域222(1)n αχχ>-或者2212(1)n αχχ-<-检验假设2200:H σσ>统计量2220(1)n S χσ-=拒绝域221(1)n αχχ-<-检验假设2200:H σσ< 统计量2220(1)n S χσ-= 拒绝域22(1)n αχχ>-▲拒绝域均采用上侧分位数.两个正态总体21(,)N μσ、22(,)N μσ参数的假设检验.⑴两个正态总体21(,)N μσ、22(,)N μσ均值的假设检验（t 检验） 检验假设012:H μμ=统计量X Yt =拒绝域122(2)t t n n α>+-检验假设012:H μμ>统计量X Yt =拒绝域12(2)t t n n α<-+-检验假设012:H μμ<统计量X Yt =拒绝域12(2)t t n n α>+-⑵两个正态总体211(,)N μσ、222(,)N μσ方差的假设检验（F 检验） 检验假设22012:H σσ=统计量2122S F S = 拒绝域122(1,1)F F n n α>--或者1212(1,1)F F n n α-<--检验假设22012:H σσ>统计量2122S F S = 拒绝域112(1,1)F F n n α-<--检验假设22012:H σσ< 统计量2122S F S = 拒绝域12(1,1)F F n n α>--▲拒绝域均采用上侧分位数. 典型例题1.设n X X X ,,,21 是来自正态总海文考研体2(,)N μσ的简单随机样本,其中参数2,μσ未知，记22111,(),n ni i i i X X Q X X n ====-∑∑则假设0:0H μ=的t 检验使用统计量t = .解 统计量2(1)//(1)n n XX nXt S n Q n -===-2.某酒厂用自动装瓶机装酒，每瓶规定重500克，标准差不超过10克，每天定时检查，某天抽取9瓶，测得平均重X ＝499克，标准差S ＝16.03克. 假设瓶装酒的重量X 服从正态分布.问这台机器是否工作正常?(05.0=α).解 先检验0H ：500μ=，统计量X t =， 拒绝域0.025(8) 2.3060t t >=，4995000.18716.03/3X t -===-，接受0H ；再检验0H '：2210σ≤，统计量222(1)10n S χ-=， 拒绝域220.05(8)15.507χχ>=， 22222(1)816.0320.5571010n S χ-⨯===，拒绝220:10H σ'≤， 故该机器工作无系统误差，但不稳定3.设127,,,X X X 是来自正态总体211(,)N μσ的简单随机样本，设128,,,Y Y Y 是来自正态总体222(,)N μσ的简单随机样本，且两个样本相互独立，它们的样本均值分别为13.8,17.8X Y ==，样本标准差123.9, 4.7S S ==，问在显著性水平0.05下，是否可以认为12μμ<？解 先检验0H ：2212σσ=，检验统计量2122S F S =，拒绝域0.025(6,7) 5.12F F >=或者0.9750.02511(6,7)(7,6) 5.70F F F <==，221222 3.90.68854.7S F S ===，接受0H ； 再检验0H '：12μμ<，统计量1211w X Yt S n n =+， 拒绝域0.05(13) 1.7709t t >=，1.7773X Yt ==-，接受0H '，即可以认为12μμ<. ▲检验两个正态总体均值相等时，应先检验它们的方差相等.。

第四章假设检验一、填空1、在做假设检验时容易犯的两类错误是和2、如果提出的原假设是总体参数等于某一数值，这种假设检验称为，若提出的原假设是总体参数大于或小于某一数值，这种假设检验称为3、假设检验有两类错误，也叫第一类错误，它是指原假设H0是的，却由于样本缘故做出了H0的错误；叫第二类错误，它是指原假设H0是的，却由于样本缘故做出H0的错误。

4、在统计假设检验中，控制犯第一类错误的概率不超过某个规定值α，则α称为。

5、假设检验的统计思想是小概率事件在一次试验中可以认为基本上是不会发生的，该原理称为。

6、从一批零件中抽取100个测其直径，测得平均直径为5.2cm，标准差为1.6cm，想知道这批零件的直径是否服从标准直径5cm，在显著性水平α下，否定域为7、有一批电子零件，质量检查员必须判断是否合格，假设此电子零件的使用时间大于或等于1000，则为合格，小于1000小时，则为不合格，那么可以提出的假设为。

（用H0，H1表示）8、一般在样本的容量被确定后，犯第一类错误的概率为，犯第二类错误的概率为，若减少，则9、某厂家想要调查职工的工作效率，工厂预计的工作效率为至少制作零件20个/小时，随机抽样36位职工进行调查，得到样本均值为19，样本标准差为6，试在显著水平为0.05的要求下，问该工厂的职工的工作效率（有，没有）达到该标准。

二、选择1、假设检验中，犯了原假设H0实际是不真实的，却由于样本的缘故而做出的接受H0的错误，此类错误是（）A、α类错误B、第一类错误C、取伪错误D、弃真错误2、一种零件的标准长度5cm，要检验某天生产的零件是否符合标准要求，建立的原假设和备选假设就为（）A、，B、，C、，D、，3、一个95%的置信区间是指（）A、总体参数有95%的概率落在这一区间内B、总体参数有5%的概率未落在这一区间内C、在用同样方法构造的总体参数的多个区间中，有95%的区间包含该总体参数D、在用同样方法构造的总体参数的多个区间中，有95%的区间不包含该总体参数4、假设检验中，如果增大样本容量，则犯两类错误的概率（）A、都增大B、都减小C、都不变D、一个增大一个减小5、一家汽车生产企业在广告中宣称“该公司的汽车可以保证在2年或24000公里内无事故”，但该汽车的一个经销商认为保证“2年”这一项是不必要的，因为汽车车主在2年内行驶的平均里程超过24000公里。