一般总体均值的假设检验.

总体均值的假设检验一、正态总体均值的检验设n X X X ，，， 21为总体),(２σμN 的一个容量为n 的样本． 1．方差2σ已知，μ的检验——u 检验法． 当202σσ=已知时，假设检验问题：0100μμμμ≠=：；：H H ． 选择检验统计量nX U /00σμ-=，当0H 成立时，)1,0(~N U ．给定显著性水平α，由标准正态分布分位点的定义, 有αα=>}|{|2/u U P ，故拒绝域}{}{}|{|2/2/2/αααu U u U u U W >-<=>= ，这种利用服从正态分布的检验统计量的检验方法称为u 检验法．有时我们只关心总体的均值是否增大（或减小）．比如，经过工艺改革后，产品的质量（如材料的强度）比以前是否提高，此时我们要研究的是新工艺下总体的均值μ是小于等于原来的均值0μ，还是大于0μ，即检验假设 0100μμμμ>≤：；：H H ． 可以证明，在显著性水平α下，上述假设检验问题和检验假设0100μμμμ>=：；：H H 有相同的拒绝域，因此，遇到形如00μμ≤：H 的检验问题，可归结为后一个假设检验问题讨论． 类似地，形如0100μμμμ<≥：；：H H 的检验问题， 可归结为检验假设 0100μμμμ<=：；：H H ．这都是单边检验问题．给定显著性水平α，求得的临界值点是上α分位点或上α-1分位点．例1 某厂生产的某种钢索的断裂强度X 服从),(２σμN ，其中40=σ(kg/cm 2)，现从这批钢索中抽取容量为9的样本，测得断裂强度的平均值x 较以往正常生产的μ大20(kg/cm 2)，设总体方差不变，问在1.00=α下，能否认为这批钢索质量有显著提高？解 依题意，检验假设0100μμμμ>≤：；：H H ， 由于40=σ已知，选择检验统计量nX U /0σμ-=因为0H 中的μ全部都比1H 中的μ要小，从直观上看，当0H 成立时，X 的取值x 不应比μ大很多，若偏差0μ-x 过大，则拒绝0H 而接受1H ．因为 0100μμμμ>=：；：H H 的拒绝域为}{αu U W >=， 故在显著性水平1.00=α下原假设的拒绝域为}{}{0nu X u U W σμαα+>=>=．本题中，9=n ，40=σ，200=-μx ，33.201.0=u ， 计算U 的值33.25.1/0<=-=nx u σμ因此在显著性水平1.00=α下不能拒绝0H ，即认为这批钢索质量没有显著提高．2．方差2σ未知，μ的检验——t 检验法． 检验假设0100μμμμ≠=：；：H H ．因为2σ未知，而样本方差2S 是总体方差2σ的无偏估计量，用S 代替σ． 选择检验统计量 nS X T /0μ-=，当0H 成立时，)1(~-n t T ．给定显著性水平α，由t 分布分位点的定义， 有αα=->)}1(|{|2/n t T P ，故拒绝域)}1({)}1({)}1(|{|2/2/2/->--<=->=n t T n t T n t T W ααα ， 这种利用服从t 分布的检验统计量的检验方法称为t 检验法．例2 某切割机工作正常时，切割每段金属棒的平均长度为10.5cm ．今在某段时间随机地抽取15段进行测量，其结果如下(cm)：10.4 10.6 10.1 10.4 10.5 10.3 10.3 10.2 10.9 10.6 10.8 10.5 10.7 10.2 10.7问此段时间该机工作是否正常(5.00=α)？假设金属棒长度服从正态分布．解 依题意，检验假设0100.510μμμμ≠==：；：H H ， 由于2σ未知，故选择检验统计量nS X T /0μ-=．在0H 下，)1(~-n t T ，15=n ．给定显著性水平5.00=α，查t 分布表， 得临界值1448.2)14()1(025.02/==-t n t α，故拒绝域)}1(|{|2/->=n t T W α．由已知条件可得48.102.15715111=⨯==∑=n i i x n x056.0784.0141)(11122=⨯=--=∑=n i ix x n s 故2366.0=s ．计算统计量的值3274.015/2366.05.1048.10/0-=-=-=ns x t μ因为)1(||2/-<n t t α，所以接受0H ，认为切割机工作正常．例3 设木材的小头直径),(~２σμN X ，12≥μcm 为合格，今抽出12根测得小头直径的样本均值为2.11=x cm ，样本方差为44.12=s cm 2，问该批木材是否合格(5.00=α)？解 依题意，检验假设010012μμμμ<=≥：；：H H ，选择检验统计量nS X T /0μ-=．在假设0100μμμμ<=：；：H H 下，)1(~-n t T ，12=n ．给定显著性水平5.00=α，查t 分布表，得临界值7959.1)11()1(05.0==-t n t α，故拒绝域)}1({--<=n t T W α，也是假设010012μμμμ<=≥：；：H H 的拒绝域． 由于2.11=x ，44.12=s ，计算统计量的值3094.212/44.1122.11/0-=-=-=ns x t μ因为)1(--<n t t α，故拒绝0H ，认为该批木材是不合格的． 二、正态总体方差的检验——2χ检验法设n X X X ，，， 21为来自总体),(２σμN 的一个样本，检验假设 20212020σσσσ≠=：；：H H ．1．均值μ已知． 因为)1,0(~N X i σμ-，n i ,,2,1 =，则选取检验统计量∑∑==-=⎪⎪⎭⎫ ⎝⎛-=ni ini i XX 12201202)(1μσσμχ．当0H 成立时，)(~22n χχ，给定显著性水平α，由2χ分布表分位点的定义，有αχχχχαα=><-))}(())({(22/222/12n n P ，故得拒绝域)}({)}({22/222/12n n W ααχχχχ><=- ．2．均值μ未知．因为X 是总体均值μ的无偏估计量，用X 代替μ．选择检验统计量202122)1(σσχS n XX ni i -=⎪⎪⎭⎫ ⎝⎛-=∑=． 当0H 成立时，)1(~22-n χχ，给定显著性水平α，由2χ分布表分位点的定义，有αχχχχαα=->-<-))}1(())1({(22/222/12n n P故得拒绝域)}1({)}1({22/222/12->-<=-n n W ααχχχχ ．类似地，在μ已知和μ未知时，可以求出检验假设20212020σσσσ>≤：；：H H 和20212020σσσσ<≥：；：H H的拒绝域．例如，在μ未知时，检验假设2020σσ≤：H 的拒绝域为)}1({22->=n W αχχ．上述检验所用的检验统计量均服从2χ分布，称这种检验方法为2χ检验法例4 某无线电厂生产的一种高频管，其中一指标服从正态分布),(２σμN ，今从一批产品中抽取8只管子，测得指标数据：68 43 70 65 55 56 60 72(1) 总体均值60=μ时，检验228=σ(取5.00=α)； (2) 总体均值μ未知时，检验228=σ(取5.00=α)． 解 本题是在显著性水平5.00=α下，检验假设2021220208σσσσ≠==：；：H H ，这里8=n ．(1) 60=μ已知时临界值35.517)8()(2025.022/==χχαn ，80.12)8()(2975.022/1==-χχαn ，而检验统计量的值359.10663641)(811222=⨯=-=∑=ni i x μχ， 由于)()(22/222/1n n ααχχχ<<-，故接受0H ．(2) μ未知时临界值13.016)7()1(2025.022/==-χχαn ，90.61)7()1(2975.022/1==--χχαn ，而125.614898111=⨯==∑=n i i x n x ，875.652)()1(122=-=-∑=ni i x x s n ，检验统计量的值2012.1075.86526412=⨯=χ， 由于)1()1(22/222/1-<<--n n ααχχχ，故接受0H ．§8.3 两个正态总体参数的假设检验设121n X X X ，，， 为总体),(~11２σμN X 的一个样本，221n Y Y Y ，，， 为总体),(~22２σμN Y 的一个样本．∑==1111n i i X n X 和∑==2121n i iYn Y 分别是两个样本的样本均值，∑=--=112121)(11n i i X X n S 和∑=--=212222)(11n i i Y Y n S 是相应的两个样本方差．设这两个样本相互独立．．一、两个正态总体均值的检验考虑检验假设 211210μμμμ≠=：；：H H ． 1．方差21σ与22σ已知——u 检验法． 选取 22212121)()(n n Y X U σσμμ+---=．当0H 成立时，检验统计量)1,0(~222121N n n YX U σσ+-=．给定显著性水平α，由标准正态分布表分位点的定义,有αα=>}|{|2/u U P ，故拒绝域}{}{}|{|2/2/2/αααu U u U u U W >-<=>= ．例1 设从甲乙两场所生产的钢丝总体X ，Y 中各取50束作拉力强度试验，得1208=x ，1282=y ，已知801=σ，942=σ，请问两厂钢丝的抗拉强度是否有显著差别(5.00=α)？解 本题是在显著性水平5.00=α下， 检验假设211210μμμμ≠=：；：H H ， 这里5021==n n ．选取检验统计量222121n n YX U σσ+-=．给定显著性水平05.0=α，查标准正态分布表，得临界值96.1025.02/==u u α，故拒绝域}|{|2/αu U W >=．由于1208=x ，1282=y ，801=σ，942=σ， 计算检验统计量的值2392.450/)(2221-=+-=σσy x u ．由于2/||αu u >，故拒绝0H ，认为两厂钢丝的抗拉强度有显著差别． 2．方差21σ与22σ未知，但2221σσ=——t 检验法．选取 212111)()(n n S Y X T w+---=μμ．这里2)1()1(21222211-+-+-=n n S n S n S w ．当0H 成立时，检验统计量)2(~112121-++-=n n t n n S Y X T w．给定显著性水平α，由t 分布表分位点的定义， 有αα=-+>)}2(|{|212/n n t T P ，故拒绝域)}2({)}2({212/212/-+>-+-<=n n t T n n t T W αα ．例2 某烟厂生产两种香烟，独立地随机抽取样本容量相同的烟叶标本测其尼古丁含量的毫克数，分别测得：甲种香烟：25 28 23 26 29 22 乙种香烟：28 23 30 25 21 27假定尼古丁含量都服从正态分布且具有公共方差，在显著性水平5.00=α下，判断两种香烟的尼古丁含量有无显著差异？解 检验假设211210μμμμ≠=：；：H H ，这里621==n n ．.525=x ，67.625=y ，7386.21=s ，3267.32=s ，0469.3=w s ． 选取检验统计量2111n n S Y X T w+-=．给定显著性水平5.00=α，查t 分布表，得临界值2281.2)10()2(025.0212/==-+t n n t α，故拒绝域)}2(|{|212/-+>=n n t T W α．计算统计量的值0949.00469.33)667.255.25(1121-=⨯-=+-=n n s y x t w．由于)2(||212/-+<n n t t α，故接受0H ，认为两种香烟的尼古丁含量无显著差异． 二、两个正态总体方差的检验——F 检验法 考虑检验假设 2221122210σσσσ≠=：；：H H ． 1．均值1μ与2μ已知．因为)(~)(11212121211n Xn i iχμσχ∑=-=，)(~)(12212222222n Yn i iχμσχ∑=-=，选取221222211211222121/)(1/)(1//21σμσμχχ∑∑==--==n i i n i i Y n X n n n F ． 当0H 成立时，检验统计量),(~)(1)(1211222121121n n F Y n X n F n i i n i i ∑∑==--=μμ．给定显著性水平α，由F 分布分位点的定义，有ααα=><-))},(()),({(212/212/1n n F F n n F F P ， 故得拒绝域)},({)},({212/212/1n n F F n n F F W αα><=- ． 2．均值1μ与2μ未知．因为)1(~)1()(112212111221211--=-=∑=n S n X X n i i χσσχ，)1(~)1()(122222221222222--=-=∑=n S n Y Yn i iχσσχ，选取22222121222121//)1/()1/(σσχχS S n n F =--=．当0H 成立时，检验统计量)1,1(~212221--=n n F S S F ．给定显著性水平α，由F 分布分位点的定义，有ααα=-->--<-))}1,1(())1,1({(212/212/1n n F F n n F F P ， 故得拒绝域)}1,1({)}1,1({212/212/1-->--<=-n n F F n n F F W αα ．例3某烟厂生产两种香烟，独立地随机抽取样本容量相同的烟叶标本测其尼古丁含量的毫克数，分别测得：甲种香烟：25 28 23 26 29 22 乙种香烟：28 23 30 25 21 27假定尼古丁含量都服从正态分布且具有公共方差，在显著性水平5.00=α下，判断两种香烟的尼古丁含量的方差是否相等? 解 考虑检验假设2221122210σσσσ≠=：；：H H ． 由于两个正态总体的均值都未知，选取检验统计量)1,1(~212221--=n n F S S F ．给定显著性水平α，查F 分布表，得两个临界值：15.7)5,5()1,1(025.0212/==--F n n F α1399.015.71)5,5(1)5,5()1,1(025.0975.0212/1====---F F n n F α，故得拒绝域}15.7{}1399.0{><=F F W ． 计算统计量的值6777.03267.37386.2222221===s s F ．由于15.71399.0<<F ， 故接受0H ，认为两种香烟的尼古丁含量的方差也无显著差异．§8.4 非正态总体参数的大样本检验本节讨论一般总体参数的检验．设总体X 的均值为μ，方差为2σ， n X X X ，，， 21为总体X 的一个样本．由中心极限定理可知，当样本容量n 足够大时，nX U /σμ-=近似地服从标准正态分布．因此，我们可以用正态分布去近似．如果对均值μ进行检验，方差2σ未知时，可以用样本方差2S 代替2σ；如果对方差2σ进行检验，均值μ未知时，可以用样本均值X 代替μ．下面举两个例子．例1 设某段高速公路上汽车限速为104.6km/h ，现检验85辆汽车的样本，测出的平均车速为106.7km/h ，已知总体标准差为.413=σ km/h ，但不知总体是否服从正态分布．在显著性水平50.0=α下，试检验高速公路上的汽车是否比限制速度104.6km/h 显著地快？解 依题意，检验假设0100.6104μμμμ>=≤：；：H H ， 由于.413=σ已知，n =85足够大， 选择检验统计量nX U /0σμ-=近似地服从)10(，N ．其拒绝域}{αu U W >=，其中65.105.0==u u α． 计算U 的值449.4185/4.136.1047.106=-=u ，由于αu u <，因此接受0H ，没有理由认为高速公路上的汽车比限制速度104.6km/h 显著地快．例2 为比较甲乙两种小麦植株的高度(单位：cm)，分别抽得甲、乙小麦各100穗，在相同条件下进行高度测定，算得甲乙小麦样本均值和样本方差分别为28=x ，8.3521=s ，26=y ，3.3222=s ，问这两种小麦的株高有无显著差异(50.0=α)？解 依题意，检验假设 211210μμμμ≠=：；：H H ， 选取 22212121)()(n n Y X U σσμμ+---=，这里两个方差用样本方差代替．当0H 成立时， 检验统计量 222121n Sn S Y X U +-=近似地服从)1,0(N ．给定显著性水平05.0=α，查附表3，得临界值96.1025.02/==u u α， 得拒绝域}|{|2/αu U W >=．计算U 的值4236.21003.328.352628=+-=u ，由于αu u >，因此拒绝0H ，认为这两种小麦的株高有显著差异．当总体服从(0-1)分布),1(p b 时，由于只有一个参数p ，总体均值p 和方差)1(p p -均只与p 有关，这时对参数p 进行假设检验时，检验统计量可以直接用样本和参数p 表示出来．例3 某厂有一批产品须经检验后方可出厂．按规定二级品率不得超过10%，从中随机抽取100件产品进行检查，发现有二级品14件，问这批产品是否可以出厂(50.0=α)？解 这里n =100，14.0=x ．检验假设01001.0p p H p p H >=≤：；：， 选取检验统计量 np p p X U )1(000--=，U 近似地服从)1,0(N ．由显著性水平50.0=α，可以得到拒绝域}{αu U W >=，其中65.105.0==u u α，计算U 的值333.31100.90.10.104.10=⨯-=u ，由于αu u <，因此接受0H ，认为这批产品二级品率没有超过10%，可以出厂．§8.5 分布的拟合检验前几节的检验都是参数的检验．实际问题中，有时需要对分布作出假设，进行检验．本节只介绍一种分布的检验方法——皮尔逊2χ检验法，它只适合于大样本的情形，一般要求样本容量50≥n ．设总体X 的分布函数为)(x F ，)(0x F 为一个已知的分布函数，n X X X ，，， 21为总体X 的一个样本，我们来检验关于总体分布的假设)()()()(0100x F x F H x F x F H ≠=：；：．一、基本原理2χ检验法的基本思想是：将随机试验的所有可能结果的全体分成k 个两两互不相容的事件k A A A ，，， 21，在n 次试验中，将i A 发生的次数i f 叫做i A 发生的频数，如果0H 为真，则由大数定律，在n 次试验中(n 足够大)，i A (k i ，，， 21=)出现的实际频率nf i与理论频率)(i i A P p =(可由分布函数)(0x F 算出)不应相差很大．基于这种想法，皮尔逊构造了统计量∑=-=ki i i i np np f 122)(χ或∑=-=ki i i i p n p n f 122ˆ)ˆ(χ， 其中i p ˆ是由)(ˆ0x F 计算出来的理论频率，)(ˆ0x F 是)(0x F 中未知参数估计出后的分布函数，并证明了如下定理：定理1 若n 足够大，当0H 成立时，统计量2χ总是近似地服从自由度为1--r k 的2χ分布，其中r 是已知的分布函数)(0x F 中未知参数的个数．直观上看，2χ值表示实际观测结果与理论期望结果的相对差异的总和，当它的取值大于临界值时，应拒绝0H ． 二、检验步骤如果)(0x F 为不带有未知参数的已知分布，皮尔逊2χ检验法的具体步骤如下：（1） 将总体X 的值域划分成k 个不交的区间i A (k i ，，， 21=)，使得每个区间包含的理论频数满足5≥i np ，否则将区间适当调整； （2） 在0H 成立时，计算各理论频率即概率i p 的值：)()()(100--==i i i i y F y F A P p ，k i ，，， 21=．这里1-i y 与i y 为区间i A 的端点，即](1i i i y y A ，-=；（3） 数出i A 中含有样本值的个数，即i A 的频数i f ，并计算统计量∑=-=ki i iinp np f 122)(χ 的值2χ；（4） 由2χ分布，对于给定的显著性水平α，找出临界值)1(2-k αχ； （5） 判断：若)1(22->k αχχ，则拒绝0H ，否则可接受0H ． 如果总体X 是离散型的，则假设0H 相当于假设总体X 的概率分布00}{i i p x X P H ==：， ，，21=i ．如果总体X 是连续型的，则假设0H 相当于)()(00x f x f H =：，这里)(x f 为总体的概率密度．例1 至1984年底，市开办有奖储蓄以来，13期兑奖中诸数码的频数汇总如表8.1：表8.1试检验器械或操作方法是否有问题(50.0=α)．解 设抽取的数码为X ，它可能的取值为0~9，如果检验器械或操作方法没有问题，则0~9出现是等可能的，即检验假设 1010=i p H ：，9210，，，， =i ，这里}{i X P p i ==． 依题意知k =10，令}{i A i =，9210，，，， =i ，n =350，则理论频数35=i np ．57.61935688)(9022==-=∑=i ii i np np f χ给定显著性水平5.00=α，查2χ分布表，得临界值9.16)9()1(205.02==-χχαk ．由于19.675>16.9，故拒绝0H ，即认为器械或操作方法有问题．如果)(0x F 为带有未知参数的已知分布，未知参数为r θθθ，，， 21，这时用这r 个未知参数的极大似然估计量r θθθˆˆˆ21，，， 来代替)(0x F 中的参数r θθθ，，， 21，得到分布函数)(ˆ0x F ，然后建立统计量∑=-=ki ii i p n p n f 122ˆ)ˆ(χ，这里i p ˆ是由)(ˆ0x F 计算出来的理论频率，再用以上检验步骤进行检验，但此时检验统计量2χ近似服从)1(2--r k χ分布(这里k >r +1)．例2 某高校对100名新生的身高(厘米)做了检查，把测得的100个数据按由大到小的顺序排列，相同的数合并得表8.2：表8.2试问，在显著性水平5.00=α下是否可以认为学生身高X 服从正态分布？ 解 这里n =100，我们来检验假设222)(021)(σμσπ--=x ex f H ：，+∞<<∞-x ，这里)(x f 为正态分布),(2σμN 的概率密度，设其分布函数为)(x F ，μ与0>σ为未知参数．先求μ与2σ的极大似然估计值μˆ，2ˆσ： 33.1661ˆ1==∑=n i i x n μ， 06.28)ˆ(1ˆ212=-=∑=μσn i i x n ． 设服从正态分布)ˆ,ˆ(2σμN 的随机变量为Y ，分布函数为)(ˆy F ．按照分组要求，每个小区间的理论频数i pn ˆ不应小于5，因此我们将数据分成了7个组，使得每组的实际频数不小于5，各计算结果如下表8.3所示．表8.3中第3列i pˆ的计算如下： )(ˆ)(ˆ}{ˆ11---=≤<=i i i i i y F y F y Y y P p ，7210，，，， =i ， 例如，}06.2833.1665.164ˆˆ06.2833.1665.161{}5.1645.161{ˆ3-≤-<-=≤<=σμY P Y P p1837.0)911.0()345.0(=-Φ--Φ=．给定显著性水平5.00=α，查2χ分布表，得临界值488.9)4()127()1(205.0205.02==--=--χχχαr k ．由于1.8843<9.488，故接受0H ，即认为学生身高服从正态分布．。

总体均值的假设检验一、正态总体均值的检验设n X X X ，，， 21为总体),(２σμN 的一个容量为n 的样本． 1．方差2σ已知，μ的检验——u 检验法． 当202σσ=已知时，假设检验问题：0100μμμμ≠=：；：H H ． 选择检验统计量nX U /00σμ-=，当0H 成立时，)1,0(~N U ．给定显著性水平α，由标准正态分布分位点的定义, 有αα=>}|{|2/u U P ，故拒绝域}{}{}|{|2/2/2/αααu U u U u U W >-<=>= ，这种利用服从正态分布的检验统计量的检验方法称为u 检验法．有时我们只关心总体的均值是否增大（或减小）．比如，经过工艺改革后，产品的质量（如材料的强度）比以前是否提高，此时我们要研究的是新工艺下总体的均值μ是小于等于原来的均值0μ，还是大于0μ，即检验假设 0100μμμμ>≤：；：H H ． 可以证明，在显著性水平α下，上述假设检验问题和检验假设0100μμμμ>=：；：H H 有相同的拒绝域，因此，遇到形如00μμ≤：H 的检验问题，可归结为后一个假设检验问题讨论． 类似地，形如0100μμμμ<≥：；：H H 的检验问题， 可归结为检验假设 0100μμμμ<=：；：H H ．这都是单边检验问题．给定显著性水平α，求得的临界值点是上α分位点或上α-1分位点．例1 某厂生产的某种钢索的断裂强度X 服从),(２σμN ，其中40=σ(kg/cm 2)，现从这批钢索中抽取容量为9的样本，测得断裂强度的平均值x 较以往正常生产的μ大20(kg/cm 2)，设总体方差不变，问在1.00=α下，能否认为这批钢索质量有显著提高？解 依题意，检验假设0100μμμμ>≤：；：H H ， 由于40=σ已知，选择检验统计量nX U /0σμ-=因为0H 中的μ全部都比1H 中的μ要小，从直观上看，当0H 成立时，X 的取值x 不应比μ大很多，若偏差0μ-x 过大，则拒绝0H 而接受1H ．因为 0100μμμμ>=：；：H H 的拒绝域为}{αu U W >=， 故在显著性水平1.00=α下原假设的拒绝域为}{}{0nu X u U W σμαα+>=>=．本题中，9=n ，40=σ，200=-μx ，33.201.0=u ， 计算U 的值33.25.1/0<=-=nx u σμ因此在显著性水平1.00=α下不能拒绝0H ，即认为这批钢索质量没有显著提高．2．方差2σ未知，μ的检验——t 检验法． 检验假设0100μμμμ≠=：；：H H ．因为2σ未知，而样本方差2S 是总体方差2σ的无偏估计量，用S 代替σ． 选择检验统计量 nS X T /0μ-=，当0H 成立时，)1(~-n t T ．给定显著性水平α，由t 分布分位点的定义， 有αα=->)}1(|{|2/n t T P ，故拒绝域)}1({)}1({)}1(|{|2/2/2/->--<=->=n t T n t T n t T W ααα ， 这种利用服从t 分布的检验统计量的检验方法称为t 检验法．例2 某切割机工作正常时，切割每段金属棒的平均长度为10.5cm ．今在某段时间内随机地抽取15段进行测量，其结果如下(cm)：10.4 10.6 10.1 10.4 10.5 10.3 10.3 10.2 10.9 10.6 10.8 10.5 10.7 10.2 10.7问此段时间内该机工作是否正常(5.00=α)？假设金属棒长度服从正态分布．解 依题意，检验假设0100.510μμμμ≠==：；：H H ， 由于2σ未知，故选择检验统计量nS X T /0μ-=．在0H 下，)1(~-n t T ，15=n ．给定显著性水平5.00=α，查t 分布表， 得临界值1448.2)14()1(025.02/==-t n t α，故拒绝域)}1(|{|2/->=n t T W α．由已知条件可得48.102.15715111=⨯==∑=n i i x n x056.0784.0141)(11122=⨯=--=∑=n i ix x n s 故2366.0=s ．计算统计量的值3274.015/2366.05.1048.10/0-=-=-=ns x t μ因为)1(||2/-<n t t α，所以接受0H ，认为切割机工作正常．例3 设木材的小头直径),(~２σμN X ，12≥μcm 为合格，今抽出12根测得小头直径的样本均值为2.11=x cm ，样本方差为44.12=s cm 2，问该批木材是否合格(5.00=α)？解 依题意，检验假设010012μμμμ<=≥：；：H H ，选择检验统计量nS X T /0μ-=．在假设0100μμμμ<=：；：H H 下，)1(~-n t T ，12=n ．给定显著性水平5.00=α，查t 分布表，得临界值7959.1)11()1(05.0==-t n t α，故拒绝域)}1({--<=n t T W α，也是假设010012μμμμ<=≥：；：H H 的拒绝域． 由于2.11=x ，44.12=s ，计算统计量的值3094.212/44.1122.11/0-=-=-=ns x t μ因为)1(--<n t t α，故拒绝0H ，认为该批木材是不合格的． 二、正态总体方差的检验——2χ检验法设n X X X ，，， 21为来自总体),(２σμN 的一个样本，检验假设 20212020σσσσ≠=：；：H H ．1．均值μ已知． 因为)1,0(~N X i σμ-，n i ,,2,1 =，则选取检验统计量∑∑==-=⎪⎪⎭⎫ ⎝⎛-=ni ini i XX 12201202)(1μσσμχ．当0H 成立时，)(~22n χχ，给定显著性水平α，由2χ分布表分位点的定义，有αχχχχαα=><-))}(())({(22/222/12n n P ，故得拒绝域)}({)}({22/222/12n n W ααχχχχ><=- ．2．均值μ未知．因为X 是总体均值μ的无偏估计量，用X 代替μ．选择检验统计量202122)1(σσχS n XX ni i -=⎪⎪⎭⎫ ⎝⎛-=∑=． 当0H 成立时，)1(~22-n χχ，给定显著性水平α，由2χ分布表分位点的定义，有αχχχχαα=->-<-))}1(())1({(22/222/12n n P故得拒绝域)}1({)}1({22/222/12->-<=-n n W ααχχχχ ．类似地，在μ已知和μ未知时，可以求出检验假设20212020σσσσ>≤：；：H H 和20212020σσσσ<≥：；：H H的拒绝域．例如，在μ未知时，检验假设2020σσ≤：H 的拒绝域为)}1({22->=n W αχχ．上述检验所用的检验统计量均服从2χ分布，称这种检验方法为2χ检验法例4 某无线电厂生产的一种高频管，其中一指标服从正态分布),(２σμN ，今从一批产品中抽取8只管子，测得指标数据：68 43 70 65 55 56 60 72(1) 总体均值60=μ时，检验228=σ(取5.00=α)； (2) 总体均值μ未知时，检验228=σ(取5.00=α)． 解 本题是在显著性水平5.00=α下，检验假设2021220208σσσσ≠==：；：H H ，这里8=n ．(1) 60=μ已知时临界值35.517)8()(2025.022/==χχαn ，80.12)8()(2975.022/1==-χχαn ，而检验统计量的值359.10663641)(811222=⨯=-=∑=ni i x μχ， 由于)()(22/222/1n n ααχχχ<<-，故接受0H ．(2) μ未知时临界值13.016)7()1(2025.022/==-χχαn ，90.61)7()1(2975.022/1==--χχαn ，而125.614898111=⨯==∑=n i i x n x ，875.652)()1(122=-=-∑=ni i x x s n ，检验统计量的值2012.1075.86526412=⨯=χ， 由于)1()1(22/222/1-<<--n n ααχχχ，故接受0H ．§8.3 两个正态总体参数的假设检验设121n X X X ，，， 为总体),(~11２σμN X 的一个样本，221n Y Y Y ，，， 为总体),(~22２σμN Y 的一个样本．∑==1111n i i X n X 和∑==2121n i iYn Y 分别是两个样本的样本均值，∑=--=112121)(11n i i X X n S 和∑=--=212222)(11n i i Y Y n S 是相应的两个样本方差．设这两个样本相互独立．．一、两个正态总体均值的检验考虑检验假设 211210μμμμ≠=：；：H H ． 1．方差21σ与22σ已知——u 检验法． 选取 22212121)()(n n Y X U σσμμ+---=．当0H 成立时，检验统计量)1,0(~222121N n n YX U σσ+-=．给定显著性水平α，由标准正态分布表分位点的定义,有αα=>}|{|2/u U P ，故拒绝域}{}{}|{|2/2/2/αααu U u U u U W >-<=>= ．例1 设从甲乙两场所生产的钢丝总体X ，Y 中各取50束作拉力强度试验，得1208=x ，1282=y ，已知801=σ，942=σ，请问两厂钢丝的抗拉强度是否有显著差别(5.00=α)？解 本题是在显著性水平5.00=α下， 检验假设211210μμμμ≠=：；：H H ， 这里5021==n n ．选取检验统计量222121n n YX U σσ+-=．给定显著性水平05.0=α，查标准正态分布表，得临界值96.1025.02/==u u α，故拒绝域}|{|2/αu U W >=．由于1208=x ，1282=y ，801=σ，942=σ， 计算检验统计量的值2392.450/)(2221-=+-=σσy x u ．由于2/||αu u >，故拒绝0H ，认为两厂钢丝的抗拉强度有显著差别． 2．方差21σ与22σ未知，但2221σσ=——t 检验法．选取 212111)()(n n S Y X T w+---=μμ．这里2)1()1(21222211-+-+-=n n S n S n S w ．当0H 成立时，检验统计量)2(~112121-++-=n n t n n S Y X T w．给定显著性水平α，由t 分布表分位点的定义， 有αα=-+>)}2(|{|212/n n t T P ，故拒绝域)}2({)}2({212/212/-+>-+-<=n n t T n n t T W αα ．例2 某烟厂生产两种香烟，独立地随机抽取样本容量相同的烟叶标本测其尼古丁含量的毫克数，分别测得：甲种香烟：25 28 23 26 29 22 乙种香烟：28 23 30 25 21 27假定尼古丁含量都服从正态分布且具有公共方差，在显著性水平5.00=α下，判断两种香烟的尼古丁含量有无显著差异？解 检验假设211210μμμμ≠=：；：H H ，这里621==n n ．.525=x ，67.625=y ，7386.21=s ，3267.32=s ，0469.3=w s ． 选取检验统计量2111n n S Y X T w+-=．给定显著性水平5.00=α，查t 分布表，得临界值2281.2)10()2(025.0212/==-+t n n t α，故拒绝域)}2(|{|212/-+>=n n t T W α．计算统计量的值0949.00469.33)667.255.25(1121-=⨯-=+-=n n s y x t w．由于)2(||212/-+<n n t t α，故接受0H ，认为两种香烟的尼古丁含量无显著差异． 二、两个正态总体方差的检验——F 检验法 考虑检验假设 2221122210σσσσ≠=：；：H H ． 1．均值1μ与2μ已知．因为)(~)(11212121211n Xn i iχμσχ∑=-=，)(~)(12212222222n Yn i iχμσχ∑=-=，选取221222211211222121/)(1/)(1//21σμσμχχ∑∑==--==n i i n i i Y n X n n n F ． 当0H 成立时，检验统计量),(~)(1)(1211222121121n n F Y n X n F n i i n i i ∑∑==--=μμ．给定显著性水平α，由F 分布分位点的定义，有ααα=><-))},(()),({(212/212/1n n F F n n F F P ， 故得拒绝域)},({)},({212/212/1n n F F n n F F W αα><=- ． 2．均值1μ与2μ未知．因为)1(~)1()(112212111221211--=-=∑=n S n X X n i i χσσχ，)1(~)1()(122222221222222--=-=∑=n S n Y Yn i iχσσχ，选取22222121222121//)1/()1/(σσχχS S n n F =--=．当0H 成立时，检验统计量)1,1(~212221--=n n F S S F ．给定显著性水平α，由F 分布分位点的定义，有ααα=-->--<-))}1,1(())1,1({(212/212/1n n F F n n F F P ， 故得拒绝域)}1,1({)}1,1({212/212/1-->--<=-n n F F n n F F W αα ．例3某烟厂生产两种香烟，独立地随机抽取样本容量相同的烟叶标本测其尼古丁含量的毫克数，分别测得：甲种香烟：25 28 23 26 29 22 乙种香烟：28 23 30 25 21 27假定尼古丁含量都服从正态分布且具有公共方差，在显著性水平5.00=α下，判断两种香烟的尼古丁含量的方差是否相等? 解 考虑检验假设2221122210σσσσ≠=：；：H H ． 由于两个正态总体的均值都未知，选取检验统计量)1,1(~212221--=n n F S S F ．给定显著性水平α，查F 分布表，得两个临界值：15.7)5,5()1,1(025.0212/==--F n n F α1399.015.71)5,5(1)5,5()1,1(025.0975.0212/1====---F F n n F α，故得拒绝域}15.7{}1399.0{><=F F W ． 计算统计量的值6777.03267.37386.2222221===s s F ．由于15.71399.0<<F ， 故接受0H ，认为两种香烟的尼古丁含量的方差也无显著差异．§8.4 非正态总体参数的大样本检验本节讨论一般总体参数的检验．设总体X 的均值为μ，方差为2σ， n X X X ，，， 21为总体X 的一个样本．由中心极限定理可知，当样本容量n 足够大时，nX U /σμ-=近似地服从标准正态分布．因此，我们可以用正态分布去近似．如果对均值μ进行检验，方差2σ未知时，可以用样本方差2S 代替2σ；如果对方差2σ进行检验，均值μ未知时，可以用样本均值X 代替μ．下面举两个例子．例1 设某段高速公路上汽车限速为104.6km/h ，现检验85辆汽车的样本，测出的平均车速为106.7km/h ，已知总体标准差为.413=σ km/h ，但不知总体是否服从正态分布．在显著性水平50.0=α下，试检验高速公路上的汽车是否比限制速度104.6km/h 显著地快？解 依题意，检验假设0100.6104μμμμ>=≤：；：H H ， 由于.413=σ已知，n =85足够大， 选择检验统计量nX U /0σμ-=近似地服从)10(，N ．其拒绝域}{αu U W >=，其中65.105.0==u u α． 计算U 的值449.4185/4.136.1047.106=-=u ，由于αu u <，因此接受0H ，没有理由认为高速公路上的汽车比限制速度104.6km/h 显著地快．例2 为比较甲乙两种小麦植株的高度(单位：cm)，分别抽得甲、乙小麦各100穗，在相同条件下进行高度测定，算得甲乙小麦样本均值和样本方差分别为28=x ，8.3521=s ，26=y ，3.3222=s ，问这两种小麦的株高有无显著差异(50.0=α)？解 依题意，检验假设 211210μμμμ≠=：；：H H ， 选取 22212121)()(n n Y X U σσμμ+---=，这里两个方差用样本方差代替．当0H 成立时， 检验统计量 222121n Sn S Y X U +-=近似地服从)1,0(N ．给定显著性水平05.0=α，查附表3，得临界值96.1025.02/==u u α， 得拒绝域}|{|2/αu U W >=．计算U 的值4236.21003.328.352628=+-=u ，由于αu u >，因此拒绝0H ，认为这两种小麦的株高有显著差异．当总体服从(0-1)分布),1(p b 时，由于只有一个参数p ，总体均值p 和方差)1(p p -均只与p 有关，这时对参数p 进行假设检验时，检验统计量可以直接用样本和参数p 表示出来．例3 某厂有一批产品须经检验后方可出厂．按规定二级品率不得超过10%，从中随机抽取100件产品进行检查，发现有二级品14件，问这批产品是否可以出厂(50.0=α)？解 这里n =100，14.0=x ．检验假设01001.0p p H p p H >=≤：；：， 选取检验统计量 np p p X U )1(000--=，U 近似地服从)1,0(N ．由显著性水平50.0=α，可以得到拒绝域}{αu U W >=，其中65.105.0==u u α，计算U 的值333.31100.90.10.104.10=⨯-=u ，由于αu u <，因此接受0H ，认为这批产品二级品率没有超过10%，可以出厂．§8.5 分布的拟合检验前几节的检验都是参数的检验．实际问题中，有时需要对分布作出假设，进行检验．本节只介绍一种分布的检验方法——皮尔逊2χ检验法，它只适合于大样本的情形，一般要求样本容量50≥n ．设总体X 的分布函数为)(x F ，)(0x F 为一个已知的分布函数，n X X X ，，， 21为总体X 的一个样本，我们来检验关于总体分布的假设)()()()(0100x F x F H x F x F H ≠=：；：．一、基本原理2χ检验法的基本思想是：将随机试验的所有可能结果的全体分成k 个两两互不相容的事件k A A A ，，， 21，在n 次试验中，将i A 发生的次数i f 叫做i A 发生的频数，如果0H 为真，则由大数定律，在n 次试验中(n 足够大)，i A (k i ，，， 21=)出现的实际频率nf i与理论频率)(i i A P p =(可由分布函数)(0x F 算出)不应相差很大．基于这种想法，皮尔逊构造了统计量∑=-=ki i i i np np f 122)(χ或∑=-=ki i i i p n p n f 122ˆ)ˆ(χ， 其中i p ˆ是由)(ˆ0x F 计算出来的理论频率，)(ˆ0x F 是)(0x F 中未知参数估计出后的分布函数，并证明了如下定理：定理1 若n 足够大，当0H 成立时，统计量2χ总是近似地服从自由度为1--r k 的2χ分布，其中r 是已知的分布函数)(0x F 中未知参数的个数．直观上看，2χ值表示实际观测结果与理论期望结果的相对差异的总和，当它的取值大于临界值时，应拒绝0H ． 二、检验步骤如果)(0x F 为不带有未知参数的已知分布，皮尔逊2χ检验法的具体步骤如下： （1） 将总体X 的值域划分成k 个不交的区间i A (k i ，，， 21=)，使得每个区间包含的理论频数满足5≥i np ，否则将区间适当调整； （2） 在0H 成立时，计算各理论频率即概率i p 的值：)()()(100--==i i i i y F y F A P p ，k i ，，， 21=．这里1-i y 与i y 为区间i A 的端点，即](1i i i y y A ，-=；（3） 数出i A 中含有样本值的个数，即i A 的频数i f ，并计算统计量∑=-=ki ii i np np f 122)(χ 的值2χ；（4） 由2χ分布，对于给定的显著性水平α，找出临界值)1(2-k αχ； （5） 判断：若)1(22->k αχχ，则拒绝0H ，否则可接受0H ． 如果总体X 是离散型的，则假设0H 相当于假设总体X 的概率分布00}{i i p x X P H ==：， ，，21=i ．如果总体X 是连续型的，则假设0H 相当于)()(00x f x f H =：，这里)(x f 为总体的概率密度．例1 至1984年底，南京市开办有奖储蓄以来，13期兑奖号码中诸数码的频数汇总如表8.1：表8.1试检验器械或操作方法是否有问题(50.0=α)．解 设抽取的数码为X ，它可能的取值为0~9，如果检验器械或操作方法没有问题，则0~9出现是等可能的，即检验假设 1010=i p H ：，9210，，，， =i ，这里}{i X P p i ==． 依题意知k =10，令}{i A i =，9210，，，， =i ，n =350，则理论频数35=i np ．57.61935688)(922==-=∑=i i i i np np f χ给定显著性水平5.00=α，查2χ分布表，得临界值9.16)9()1(205.02==-χχαk ．由于19.675>16.9，故拒绝0H ，即认为器械或操作方法有问题．如果)(0x F 为带有未知参数的已知分布，未知参数为r θθθ，，， 21，这时用这r 个未知参数的极大似然估计量r θθθˆˆˆ21，，， 来代替)(0x F 中的参数r θθθ，，， 21，得到分布函数)(ˆ0x F ，然后建立统计量∑=-=ki i i i p n p n f 122ˆ)ˆ(χ， 这里i p ˆ是由)(ˆ0x F 计算出来的理论频率，再用以上检验步骤进行检验，但此时检验统计量2χ近似服从)1(2--r k χ分布(这里k >r +1)．例2 某高校对100名新生的身高(厘米)做了检查，把测得的100个数据按由大到小的顺序排列，相同的数合并得表8.2：表8.2试问，在显著性水平5.00=α下是否可以认为学生身高X 服从正态分布？ 解 这里n =100，我们来检验假设222)(021)(σμσπ--=x ex f H ：，+∞<<∞-x ，这里)(x f 为正态分布),(2σμN 的概率密度，设其分布函数为)(x F ，μ与0>σ为未知参数．先求μ与2σ的极大似然估计值μˆ，2ˆσ： 33.1661ˆ1==∑=n i i x n μ， 06.28)ˆ(1ˆ212=-=∑=μσn i i x n ． 设服从正态分布)ˆ,ˆ(2σμN 的随机变量为Y ，分布函数为)(ˆy F ．按照分组要求，每个小区间的理论频数i pn ˆ不应小于5，因此我们将数据分成了7个组，使得每组的实际频数不小于5，各计算结果如下表8.3所示．表8.3中第3列i pˆ的计算如下： )(ˆ)(ˆ}{ˆ11---=≤<=i i i i i y F y F y Y y P p ，7210，，，， =i ， 例如，}06.2833.1665.164ˆˆ06.2833.1665.161{}5.1645.161{ˆ3-≤-<-=≤<=σμY P Y P p1837.0)911.0()345.0(=-Φ--Φ=．给定显著性水平5.00=α，查2χ分布表，得临界值488.9)4()127()1(205.0205.02==--=--χχχαr k ．由于1.8843<9.488，故接受0H ，即认为学生身高服从正态分布．。

假设检验的一般步骤假设检验是统计学中一种重要的方法，用于检验研究者提出的关于总体参数的假设是否成立。

它的一般步骤如下：第一步：确定问题并建立假设在开始假设检验之前，需要确定所要研究的问题并建立相应的假设。

一般来说，假设分为原假设和备择假设两种。

原假设通常是指总体参数没有变化或存在某种规律性，备择假设则是指总体参数发生了变化或不存在任何规律性。

第二步：选择检验统计量在确定假设之后，需要选择检验统计量。

检验统计量是用来度量样本数据与假设的差异程度的统计量，通常是样本均值、样本比率、样本方差等。

第三步：设定显著性水平显著性水平是指在进行假设检验时所允许的犯错误的概率。

通常情况下，显著性水平设定为0.05或0.01。

第四步：计算检验统计量的值在进行假设检验时，需要计算出检验统计量的值。

具体计算方法根据所选择的检验统计量的不同而有所差异。

第五步：确定拒绝域拒绝域是指当检验统计量的值落在该区域内时，拒绝原假设。

拒绝域的确定需要根据所选的显著性水平和自由度来进行计算。

第六步：进行统计决策在计算出检验统计量的值并确定了拒绝域之后，需要进行统计决策，判断是拒绝原假设还是接受原假设。

具体决策方法根据所选的显著性水平和自由度而有所不同。

第七步：得出结论在进行统计决策之后，需要根据结果得出结论。

如果拒绝原假设，则表明样本数据与原假设存在显著差异，否则则表明样本数据与原假设不存在显著差异。

假设检验是一种重要的统计方法，它能够帮助研究者确定总体参数的真实情况，提高研究的可靠性和准确性。

熟练掌握假设检验的一般步骤和方法，对于科学研究和实践应用都具有重要的意义。

常⽤的假设检验⽅法（U检验、T检验、卡⽅检验、F检验）⼀、假设检验假设检验是根据⼀定的假设条件，由样本推断总体的⼀种⽅法。

假设检验的基本思想是⼩概率反证法思想，⼩概率思想认为⼩概率事件在⼀次试验中基本上不可能发⽣，在这个⽅法下，我们⾸先对总体作出⼀个假设，这个假设⼤概率会成⽴，如果在⼀次试验中，试验结果和原假设相背离，也就是⼩概率事件竟然发⽣了，那我们就有理由怀疑原假设的真实性，从⽽拒绝这⼀假设。

⼆、假设检验的四种⽅法1、有关平均值参数u的假设检验根据是否已知⽅差,分为两类检验：U检验和T检验。

如果已知⽅差，则使⽤U检验，如果⽅差未知则采取T检验。

2、有关参数⽅差σ2的假设检验F检验是对两个正态分布的⽅差齐性检验，简单来说，就是检验两个分布的⽅差是否相等3、检验两个或多个变量之间是否关联卡⽅检验属于⾮参数检验，主要是⽐较两个及两个以上样本率（构成⽐）以及两个分类变量的关联性分析。

根本思想在于⽐较理论频数和实际频数的吻合程度或者拟合优度问题。

三、U检验（Z检验）U检验⼜称Z检验。

Z检验是⼀般⽤于⼤样本(即⼤于30)平均值差异性检验的⽅法（总体的⽅差已知）。

它是⽤标准的理论来推断差异发⽣的概率，从⽽⽐较两个的差异是否显著。

Z检验步骤：第⼀步：建⽴虚⽆假设 H0:µ1 = µ2 ，即先假定两个平均数之间没有显著差异，第⼆步：计算Z值，对于不同类型的问题选⽤不同的计算⽅法，1、如果检验⼀个样本平均数（X）与⼀个已知的总体平均数(µ0)的差异是否显著。

其Z值计算公式为：其中：X是检验样本的均值；µ0是已知总体的平均数；S是总体的标准差；n是样本容量。

2、如果检验来⾃两个的两组样本平均数的差异性，从⽽判断它们各⾃代表的总体的差异是否显著。

其Z值计算公式为：第三步：⽐较计算所得Z值与理论Z值，推断发⽣的概率，依据Z值与差异显著性关系表作出判断。

如下表所⽰：第四步：根据是以上分析，结合具体情况，作出结论。

统计学中假设检验的基本步骤详解假设检验是统计学中一种重要的统计推断方法，用于根据样本数据对总体参数进行推断。

它的基本步骤包括以下几个方面。

1.建立假设：在进行假设检验之前，首先需要明确研究者的研究问题，并建立相应的假设。

常见的研究问题包括总体均值是否等于一些特定值、两个总体均值是否相等以及总体比例是否等于一些特定比例等等。

根据研究问题的不同，构建出相应的零假设（H0）和备择假设（H1或HA）。

2.确定检验统计量：检验统计量是用于度量样本数据与假设之间的差异程度的一个统计量，它的选择应当与所建立的假设相一致。

常见的检验统计量有Z统计量（用于已知总体均值和标准差的情况），T统计量（用于只知道总体均值和标准差的样本的情况），以及χ2统计量（用于比较两个或多个分类变量之间的关系）等。

3.设置显著性水平：显著性水平（α）是在进行假设检验时所允许的错误发生概率，一般常见的显著性水平是0.05或者0.01、根据研究问题的重要程度和数据的可靠性来确定显著性水平，从而决策是否拒绝或接受原假设。

4.计算检验统计量的值：假设检验要根据样本数据来推断总体参数，因此需要计算出检验统计量的具体数值。

根据样本数据的类型和所选择的检验方法，进行相关的计算。

例如，对于两个总体均值是否相等的检验，可以通过计算两个样本均值的差异来得到T统计量的值。

5.做出决策：在进行假设检验时，需要根据计算得到的检验统计量的值来做出决策。

根据显著性水平和检验统计量的临界值，我们可以通过比较检验统计量的值与临界值来判断是否拒绝原假设。

如果检验统计量的值在临界值的拒绝域内，那么就拒绝原假设，否则就接受原假设。

6.得出结论：根据做出的决策，最终给出关于原假设的结论。

如果拒绝了原假设，说明样本数据与原假设之间存在显著的差异，可以接受备择假设。

如果不能拒绝原假设，则无法得出结论表明样本数据对于总体参数没有明显的证据。

7.给出推断：在假设检验中，最终的目的是对总体参数进行推断。

多元统计分析——假设检验⏹如果一个人说他从来没有骂过人。

他能够证明吗？⏹要证明他没有骂过人，他必须出示他从小到大每一时刻的录音录像，所有书写的东西等等，还要证明这些物证是完全的、真实的、没有间断的。

这简直是不可能的。

⏹即使他找到一些证人，比如他的同学、家人和同事，那也只能够证明在那些证人在场的某些片刻，他没有被听到骂人。

⏹反过来，如果要证明这个人骂过人很容易，只要有一次被抓住就足够了。

⏹看来，企图肯定什么事物很难，而否定却要相对容易得多。

这就是假设检验背后的哲学。

⏹科学总往往是在否定中发展⏹在假设检验中，一般要设立一个原假设（上面的“从来没骂过人”就是一个例子）；⏹而设立该假设的动机主要是企图利用人们掌握的反映现实世界的数据来找出假设与现实之间的矛盾，从而否定这个假设。

⏹在多数统计教科书中(除理论探讨外)假设检验都是以否定原假设为目标。

⏹如否定不了，说明证据不足，无法否定原假设。

但不能说明原假设正确。

⏹就像一两次没有听过他骂人还远不能证明他从来没有骂过人。

假设检验的过程和逻辑⏹先要提出个原假设，比如某正态总体的均值等于5(m=5)。

这种原假设也称为零假设(null hypothesis)，记为H 0。

⏹与此同时必须提出备选假设(或称为备择假设，alternative hypothesis)，比如总体均值大于5（m>5）。

备选假设记为H 1或H a 。

形式上，这个关于总体均值的H 0相对于H 1的检验记为01:5:5H H μμ=⇔>⏹备选假设应该按照实际世界所代表的方向来确定，即它通常是被认为可能比零假设更符合数据所代表的现实。

⏹比如上面的H1为m>5；这意味着，至少样本均值应该大于5；⏹至于是否显著，依检验结果而定。

⏹检验结果显著(significant)意味着有理由拒绝零假设。

因此，假设检验也被称为显著性检验(significant test)。

⏹有了两个假设，就要根据数据来对它们进行判断。