单个正态总体参数的假设检验

单正态总体的参数假设检验一、引言在统计学中，参数假设检验是一种常用的统计推断方法，用于对总体参数的假设进行验证。

在本文中，我们将讨论单正态总体的参数假设检验方法。

单正态总体是指样本来自一个服从正态分布的总体。

二、参数假设检验的基本步骤参数假设检验的基本步骤包括以下几个方面：1. 提出假设：在进行参数假设检验时，首先需要提出原假设和备择假设。

原假设（H0）是对总体参数的一个特定取值或一组取值的陈述，备择假设（H1）是对原假设的补充或对立假设。

2. 选择检验统计量：检验统计量是一个用于判断是否拒绝原假设的量。

在单正态总体的参数假设检验中，常用的检验统计量有样本均值、样本比例等。

3. 确定显著性水平：显著性水平是在进行假设检验时所允许的犯第一类错误的概率。

通常情况下，显著性水平取0.05或0.01。

4. 计算检验统计量的观察值：根据样本数据，计算检验统计量的观察值。

5. 确定拒绝域：拒绝域是一组检验统计量的取值，如果观察到的检验统计量的取值落在这个区域内，则拒绝原假设。

6. 做出决策：根据观察到的检验统计量的取值和拒绝域的关系，做出接受或拒绝原假设的决策。

三、单正态总体均值的参数假设检验在单正态总体均值的参数假设检验中，常用的检验方法有Z检验和t检验。

1. Z检验：当总体的标准差已知时，可以使用Z检验。

Z检验的检验统计量为样本均值与总体均值之差除以标准差的样本标准差。

根据中心极限定理，当样本容量较大时，检验统计量近似服从标准正态分布。

2. t检验：当总体的标准差未知时，使用t检验。

t检验的检验统计量为样本均值与总体均值之差除以标准误差的样本标准差。

根据学生t分布的性质，当样本容量较小时，检验统计量服从t分布。

四、实例分析为了更好地理解单正态总体的参数假设检验方法，我们以某电商平台的订单发货时间为例进行分析。

假设我们关注的是该电商平台订单的平均发货时间。

我们提出如下的原假设和备择假设：原假设（H0）：订单的平均发货时间为3天。

第二节 单个正态总体的假设检验1.单个正态总体数学期望的假设检验（1） σ2已知关于μ的假设检验（Z 检验法(Z -test)） 设总体X ~N （μ，σ2），方差σ2已知，检验假设H 0：μ=μ0；H 1：μ≠μ(μ0为已知常数）由X ~N （μ，nσ）X N （0，1），我们选取ZX （8.2）作为此假设检验的统计量，显然当假设H 0为真（即μ=μ0正确）时，Z ~N （0，1），所以对于给定的显著性水平α，可求z α/2使P {｜Z ｜＞z α/2}=α，见图8-1，即P {Z ＜-z α/2}+P {Z ＞z α/2}=α.从而有P {Z ＞z α/2}=α/2， P {Z ≤z α/2}=1-α/2.图8-1利用概率1-α/2，反查标准正态分布函数表，得双侧α分位点（即临界值）z α/2. 另一方面，利用样本观察值x 1，x 2，…，x n 计算统计量Z 的观察值z 0x （8.3）如果：（a ）｜z 0｜＞z α/2，则在显著性水平α下，拒绝原假设H 0（接受备择假设H 1），所以｜z 0｜＞z α/2便是H0的拒绝域.（b ） ｜z 0｜≤z α/2，则在显著性水平α下，接受原假设H 0，认为H 0正确.这里我们是利用H0为真时服从N （0，1）分布的统计量Z 来确定拒绝域的，这种检验法称为Z 检验法（或称U 检验法）.例8.1中所用的方法就是Z 检验法.为了熟悉这类假设检验的具体作法，现在我们再举一例.例8.2 根据长期经验和资料的分析，某砖厂生产的砖的“抗断强度”X 服从正态分布，方差σ2=1.21.从该厂产品中随机抽取6块，测得抗断强度如下（单位：kg ²cm -2）： 32.56 29.66 31.64 30.00 31.87 31.03检验这批砖的平均抗断强度为32.50kg ²cm -2是否成立（取α=0.05，并假设砖的抗断强度的方差不会有什么变化）？解 ① 提出假设H 0：μ=μ0=32.50；H 1：μ≠μ0. ② 选取统计量Z =X ，若H 0为真，则Z ~N （0，1）.③ 对给定的显著性水平α=0.05，求z α/2使P {｜Z ｜＞z α/2}=α，这里z σ/2=z 0.025=1.96.④ 计算统计量Z 的观察值：｜z 0｜ ≈3.05.⑤ 判断：由于｜z 0｜=3.05＞z 0.025=1.96，所以在显著性水平α=0.05下否定H 0，即不能认为这批产品的平均抗断强度是32.50 kg ²cm -2.把上面的检验过程加以概括，得到了关于方差已知的正态总体期望值μ的检验步骤： （a ） 提出待检验的假设H 0：μ=μ0；H 1：μ≠μ0. （b ） 构造统计量Z ，并计算其观察值z 0：ZX ，z 0x .（c ） 对给定的显著性水平α，根据P {｜Z ｜＞z α/2}=α，P {Z ＞z α/2}=α/2，P {Z ≤z α/2}=1-α/2 查标准正态分布表，得双侧α分位点z α/2. （d ） 作出判断：根据H 0的拒绝域 若｜z 0｜＞z α/2，则拒绝H 0，接受H 1； 若｜z 0｜≤z α/2，则接受H 0.（2） 方差σ2未知，检验μ（t 检验法(t -test)） 设总体X ~N （μ，σ2），方差σ2未知，检验H 0：μ=μ0；H 1：μ≠μ0.由于σ2X 便不是统计量，这时我们自然想到用σ2的无偏估计量——样本方差S 2代替σ2，由于X t （n -1），故选取样本的函数tX （8.4）图8-2作为统计量，当H 0为真（μ=μ0）时t ~t （n -1），对给定的检验显著性水平α，由 P {｜t ｜＞t α/2（n -1）}=α，P {t ＞t α/2（n -1）}=α/2，见图8-2，直接查t 分布表，得t 分布分位点t α/2（n -1）.利用样本观察值，计算统计量t 的观察值t 0x 因而原假设H0的拒绝域为｜t 0｜＞t α/2（n -1）. （8.5）所以，若｜t 0｜＞t α/2（n -1），则拒绝H 0，接受H 1；若｜t 0｜≤t α/2（n -1），则接受原假设H 0.上述利用t 统计量得出的检验法称为t 检验法.在实际中，正态总体的方差常为未知，所以我们常用t 检验法来检验关于正态总体均值的问题.例8.3 用某仪器间接测量温度，重复5次，所得的数据是1250°,1265°，1245°，1260°，1275°，而用别的精确办法测得温度为1277°(可看作温度的真值），试问此仪器间接测量有无系统偏差？这里假设测量值X 服从N （μ，σ2）分布.解 问题是要检验H 0：μ=μ0=1277；H 1：μ≠μ0.由于σ2未知（即仪器的精度不知道），我们选取统计量tX .当H 0为真时，t ~t （n -1），t 的观察值为｜t 0｜185.399-==＞3. 对于给定的检验水平α=0.05，由P {｜t ｜＞t α/2（n -1）}=α，P {t ＞t α/2（n -1）}=α/2， P {t ＞t 0.025(4)}=0.025，查t 分布表得双侧α分位点t α/2（n -1）=t 0.025(4)=2.776.因为｜t 0｜＞3＞t 0.025(4)=2.776，故应拒绝H 0，认为该仪器间接测量有系统偏差.（3） 双边检验与单边检验上面讨论的假设检验中，H 0为μ=μ0，而备择假设H 1：μ≠μ0意思是μ可能大于μ0，也可能小于μ0，称为双边备择假设，而称形如H 0：μ=μ0，H 1：μ≠μ0的假设检验为双边检验.有时我们只关心总体均值是否增大，例如，试验新工艺以提高材料的强度，这时所考虑的总体的均值应该越大越好，如果我们能判断在新工艺下总体均值较以往正常生产的大，则可考虑采用新工艺.此时，我们需要检验假设H 0：μ=μ0；H 1：μ＞μ0. （8.6）（我们在这里作了不言而喻的假定，即新工艺不可能比旧的更差），形如（8.6）的假设检验，称为右边检验，类似地，有时我们需要检验假设H 0：μ=μ0；H 1：μ＜μ0. （8.7）形如（8.7）的假设检验，称为左边检验，右边检验与左边检验统称为单边检验.下面来讨论单边检验的拒绝域.设总体X ~N （μ，σ2），σ2为已知，x 1，x 2，…，x n 是来自X 的样本观察值.给定显著性水平α，我们先求检验问题H 0：μ=μ0；H 1：μ＞μ0.的拒绝域.取检验统计量ZX ，当H 0为真时，Z 不应太大，而在H 1为真时，由于X 是μ的无偏估计，当μ偏大时，X 也偏大，从而Z 往往偏大，因此拒绝域的形式为ZX ≥k ，k 待定.因为当H 0X ~N （0，1），由P {拒绝H 0｜H 0为真}=PX k ⎫≥⎬⎭=α得k =z α，故拒绝域为ZX ≥z α. （8.8）类似地，左边检验问题H 0：μ=μ0；H 1：μ＜μ0.的拒绝域为ZX ≤-z α. 8.9）例8.4 从甲地发送一个信号到乙地，设发送的信号值为μ，由于信号传送时有噪声迭加到信号上，这个噪声是随机的，它服从正态分布N （0，22），从而乙地接到的信号值是一个服从正态分布N （μ，22）的随机变量.设甲地发送某信号5次，乙地收到的信号值为： 8.4 10.5 9.1 9.6 9.9由以往经验，信号值为8，于是乙方猜测甲地发送的信号值为8，能否接受这种猜测？取α=0.05.解 按题意需检验假设H 0：μ=8；H 1：μ＞8. 这是右边检验问题，其拒绝域如（8.8）式所示， 即 Z =X ≥z 0.05=1.645.而现在z 0=1.68＞1.645，所以拒绝H 0，认为发出的信号值μ＞8.2.单个正态总体方差的假设检验（2χ检验法(2χ-test)） （1） 双边检验设总体X ~N （μ，σ2），μ未知，检验假设H 0：σ2=σ02；H 1：σ2≠σ2.其中σ02为已知常数.由于样本方差S 2是σ2的无偏估计，当H 0为真时，比值22S σ一般来说应在1附近摆动，而不应过分大于1或过分小于1，由第六章知当H 0为真时2χ=22(1)n S σ-~2χ（n -1）. （8.10）所以对于给定的显著性水平α有（图8-3）图8-3P {21/2αχ-（n -1）≤2χ≤2/2αχ（n -1）}=1-α. （8.11）对于给定的α，查2χ分布表可求得2χ分布分位点21/2αχ-（n -1）与2/2αχ（n -1）.由（8.11）知，H 0的接受域是21/2αχ- (n -1)≤2χ≤2/2αχ (n -1)； (8.12)H 0的拒绝域为2χ＜21/2αχ-（n -1）或2χ＞2/2αχ（n -1）. （8.13）这种用服从2χ分布的统计量对个单正态总体方差进行假设检验的方法，称为2χ检验法. 例8.5 某厂生产的某种型号的电池，其寿命长期以来服从方差σ2=5000（小时2）的正态分布，现有一批这种电池，从它的生产情况来看，寿命的波动性有所改变，现随机抽取26只电池，测得其寿命的样本方差s 2=9200（小时2）.问根据这一数据能否推断这批电池的寿命的波动性较以往有显著的变化（取α=0.02)?解 本题要求在α=0.02下检验假设H 0：σ2=5000；H 1：σ2≠5000.现在n =26，2/2αχ（n -1）=20.01(25)χ=44.314， 21/2αχ- (n -1)= 20.99(25)χ=11.524,σ02=5000.由（8.13）拒绝域为22(1)n s σ-＞44.314或22(1)n s σ-＜11.524由观察值s 2=9200得220(1)n s σ-=46＞44.314,所以拒绝H 0，认为这批电池寿命的波动性较以往有显著的变化.（2） 单边检验（右检验或左检验）设总体X ~N （μ，σ2），μ未知，检验假设H 0：σ2≤σ02；H 1：σ2＞σ02.（右检验）由于X ~N （μ，σ2），故随机变量*2χ=22(1)n S σ-~2χ（n -1）.当H 0为真时，统计量2χ=220(1)n S σ-≤*2χ.对于显著性水平α，有P {*2χ＞2αχ（n -1）}=α图8-4（图8-4）.于是有P {2χ＞2αχ（n -1）}≤P {*2χ＞2αχ（n -1）}=α.可见，当α很小时，{2χ＞2αχ（n -1）}是小概率事件，在一次的抽样中认为不可能发生，所以H 0的拒绝域是：2χ=220(1)n S σ-＞2αχ（n -1）（右检验）. （8.14）类似地，可得左检验假设H 0：σ2≥σ02，H 1：σ2＜σ02的拒绝域为2χ＜21αχ-（n -1）（左检验）. (8.15) 例8.6 今进行某项工艺革新，从革新后的产品中抽取25个零件，测量其直径，计算得样本方差为s 2=0.00066，已知革新前零件直径的方差σ2=0.0012，设零件直径服从正态分布，问革新后生产的零件直径的方差是否显著减小？（α=0.05)解 (1） 提出假设H 0：σ2≥σ02=0.0012；H 1：σ2<σ02.(2) 选取统计量2χ=220(1)n S σ-.*2χ=22(1)n S σ-~2χ（n -1），且当H 0为真时，*2χ≤2χ(3） 对于显著性水平α=0.05，查2χ分布表得21αχ-（n -1）=20.95(24)χ=13.848，当H 0为真时，P {2χ<21αχ- (n -1)}≤P 2212(1)(1)n S n αχσ-⎧⎫-<-⎨⎬⎩⎭=α. 故拒绝域为2χ<21αχ- (n -1)=13.848.(4) 根据样本观察值计算2χ的观察值2χ=220(1)240.000660.0012n s σ-⨯==13.2.(5) 作判断：由于2χ=13.2＜21αχ- (n -1)=13.848，即2χ落入拒绝域中，所以拒绝H 0：σ2≥σ02，即认为革新后生产的零件直径的方差小于革新前生产的零件直径的方差.最后我们指出，以上讨论的是在均值未知的情况下，对方差的假设检验，这种情况在实际问题中较多.至于均值已知的情况下，对方差的假设检验，其方法类似，只是所选的统计量为2χ=2120()nii Xμσ=-∑.当σ2=σ2为真时，2χ~2χ（n ）.关于单个正态总体的假设检验可列表8-2.总黄酮生物总黄酮是指黄酮类化合物，是一大类天然产物，广泛存在于植物界，是许多中草药的有效成分。

单个正态总体参数的假设检验1.提出假设：首先，我们需要提出关于总体参数的假设。

在单个正态总体参数的情况下，我们通常对总体的均值（μ）或标准差（σ）进行假设。

2.确定显著性水平：显著性水平（α）是一个事先设定的临界值。

根据显著性水平，我们可以决定接受还是拒绝原假设。

3.构建统计量：接下来，我们需要构建一个适当的统计量来判断总体参数的假设。

在单个正态总体参数的情况下，通常使用t统计量或z统计量。

4.计算统计量的值：根据样本数据，计算所选统计量的值。

如果使用t统计量，则需要计算样本均值和标准差；如果使用z统计量，则只需计算样本均值。

5.确定拒绝域：拒绝域是根据显著性水平和统计量的分布确定的。

根据统计量的值和拒绝域的临界值，我们可以决定是否拒绝原假设。

6.做出决策：根据统计量的值和拒绝域，我们可以做出决策：接受原假设或拒绝原假设。

下面以一个具体的例子来说明单个正态总体参数的假设检验。

假设我们要检验一些公司员工的平均工资是否等于5000元。

我们从公司中随机抽取了50个员工的工资数据，假设工资数据服从正态分布。

现在我们要进行假设检验。

1.假设提出：原假设（H0）：员工的平均工资等于5000元；备择假设（H1）：员工的平均工资不等于5000元。

2.显著性水平：我们设定显著性水平为0.053.构建统计量：由于样本量较大（n=50），我们可以使用z统计量。

z统计量的计算方法为（样本均值-总体均值）/（总体标准差/根号n）。

4.计算统计量的值：假设我们计算出样本均值为4950元，总体标准差为100元。

5.确定拒绝域：由于显著性水平为0.05，我们需要找出z值对应的临界值。

在标准正态分布表中查找z=1.96对应的值，并根据原假设的双侧检验找出拒绝域的范围。

6.做出决策：根据统计量的值和拒绝域的范围，我们可以判断是否拒绝原假设。

如果统计量的值落在拒绝域之外，我们将拒绝原假设，即认为员工的平均工资不等于5000元。

单个正态总体参数的假设检验一、假设检验的基本概念假设检验是统计推断的一种方法，其基本思想是通过抽样来对总体参数进行推断，并判断总体参数是否满足其中一种假设。

在进行假设检验时，我们首先提出一个原假设（H0），这是一个既定的假设，表示总体参数满足其中一种特定的值或不满足其中一种特定的关系。

同时，我们还提出一个备择假设（H1），表示总体参数不满足原假设。

通过对样本数据的统计推断，我们可以对原假设进行拒绝或不拒绝的判断。

二、假设检验的步骤假设检验一般包括以下步骤：1.提出假设：根据问题的需求和背景条件，提出原假设和备择假设。

2.确定显著性水平：显著性水平（α）是指当原假设成立时，我们愿意犯第一类错误的概率。

一般情况下，我们常使用0.05作为显著性水平。

3.选择检验统计量：根据所需检验的问题，选择适当的检验统计量。

在单个正态总体参数的假设检验中，常用的检验统计量有Z检验和t检验。

4.计算检验统计量的观察值：根据样本数据计算出检验统计量的观察值。

5.根据显著性水平查找拒绝域：根据显著性水平和检验统计量的分布，查找拒绝域的临界值。

6.判断并作出结论：如果检验统计量的观察值落在拒绝域内，则拒绝原假设，否则不拒绝原假设。

三、应用领域1.药物临床试验：在新药物的临床试验中，可以通过对患者进行抽样，检验患者服用药物前后的药效差异是否显著，以判断药物的疗效。

2.市场调研：在市场调研中，可以通过对一定数量的顾客进行问卷调查，检验顾客对其中一种产品的满意度是否显著不同，以了解产品在市场中的竞争力。

3.品质控制：在生产过程中，可以通过抽样检验产品的质量是否符合设定的标准。

例如，食品加工厂可以通过抽样检验产品的营养成分是否达到设定的要求。

4.经济学研究：在经济学研究中，可以通过对一定数量的经济指标进行抽样，检验指标的差异是否显著，以判断宏观经济政策的有效性。

总结：单个正态总体参数的假设检验是统计学中一种重要的方法，通过对样本数据的统计推断，判断总体参数是否满足其中一种假设。