数理统计 第三章 假设检验

数理统计中的假设检验随着科学技术的发展，数据分析逐渐成为了各个科学领域不可或缺的一部分。

在统计学中，假设检验是一种用于判断参数或统计量是否足够显著的方法。

本文将从假设检验的概念和原理，假设检验中的一些重要指标，以及假设检验的实际应用几个方面介绍假设检验。

一、概念和原理假设检验首先需要设定假设。

在统计学中，我们常常需要对某个特定的问题提出一个假设，然后通过数理统计学的方法来验证这个假设。

一般地，我们将这个问题称为原假设，记作H0；在原假设的基础上进行补充、否认等操作，得到的新假设称为备择假设，记作H1。

假设检验的具体步骤如下：首先，我们需要对一个随机样本进行抽样，然后对样本的统计量进行计算。

接着，在已知总体的某些参数的情况下，设定原假设H0和备择假设H1，并选定显著性水平α，然后计算一些统计量，例如t统计量、F统计量、χ2统计量等。

接下来，我们比较这些统计量和一些理论上的阈值，根据比较结果，判断样本数据是否拒绝原假设H0。

具体来说，如果我们计算出来的统计量小于或等于某个理论上的阈值，那么我们就会接受原假设H0；如果统计量大于这个阈值，那么我们就拒绝原假设H0，并接受备择假设H1。

正如上述步骤中所提到的，统计量的计算和结果的判断是假设检验的核心。

在不同的问题和场景下，统计量和结果的判断原则也不尽相同。

二、假设检验中的重要指标在假设检验中，我们需要选择适当的统计量来作为判断依据。

在不同的问题和场景中，我们会使用不同的统计量。

下面，我们来介绍一下假设检验中一些重要的统计量。

1. t统计量t统计量是由样本均值与总体均值之间的偏离程度计算而来的。

它的计算方式为：t统计量=(样本均值-总体均值)/(标准误)其中，标准误指的是样本均值的标准差。

t统计量符合t分布，自由度为样本量-1。

2. Z统计量Z统计量是由样本均值与总体均值之间的偏离程度计算而来的。

它的计算方式为：Z统计量=(样本均值-总体均值)/(标准差/样本量开方)其中，标准差指的是总体的标准差。

《数理统计》试题库假设检验1设2521,,,ξξξ 取自正态母体)9,(μN 其中μ为未知参数,ξ为子样均值，对检验问题0100:,:μμμμ≠=H H 取检验的拒绝域:{}c x x x C ≥-=0251:)(μ , 试决定常数c 使检验的显著性水平为0.05.解:因为），，（9N ~μξ所以），（259N ~μξ 在0H 成立下, ,05.03512C 3553P C P 000=⎥⎦⎤⎢⎣⎡⎪⎭⎫ ⎝⎛Φ-=⎪⎪⎪⎭⎫⎝⎛≥-=≥-C μξμξ）（ 96.135,975.035==⎪⎭⎫⎝⎛ΦC C , 所以 C=1.176. 2．设子样),,(1n ξξ 取自正态母体2020),,(σσμN 已知，对检验假设0100:,:μμμμ>=H H 的问题，取临界域{}01:)(c x x x C n ≥= .（i ）求此检验犯第一类错误的概率α,犯第二类错误的概率β,并讨论它们之间的关系.（ii ）设9,05.0,04.0,5.0200====n ασμ,求65.0=μ时不犯第二类错误的概率.解: (i).在0H 成立下, ），（nN ~200σμξ()⎪⎪⎭⎫⎝⎛-≥-=≥=n C n P C P 0000000σμσμξξα, 0100100μμσμσμαα+=∴=-∴--nC n C其中αμ-1是N （0，1）分布的α-1分位点。

在H 1成立下,），（nN ~20σμξ,()⎪⎪⎭⎫⎝⎛-<-=<=n C n P C P 00011σμσμξξβ =⎪⎪⎭⎫⎝⎛--Φ=⎪⎪⎪⎪⎭⎫⎝⎛-+Φ=⎪⎪⎭⎫ ⎝⎛-Φ--n n n n C 001001000σμμμσμμμσσμαα 当α增加时，αμ-1减少，从而β减少；反之当α减少时，将导致β增加。

（ii ）不犯第二类错误的概率为1-β。

⎪⎭⎫ ⎝⎛⨯--Φ-=⎪⎪⎭⎫ ⎝⎛--Φ-=--32.05.065.011105.0001μσμμμβαn =()()().7274.0605.0605.0125.2645.11=Φ=-Φ-=-Φ-3．设一个单一观测的子样ξ取自密度函数为f(x)的母体，对f(x)考虑统计假设：⎩⎨⎧≤≤=≤≤⎩⎨⎧=其它）（：其它10021001)(:1100x x x f H x x f H 试求一个检验函数使犯第一，二类错误的概率满足min 2=+βα，并求其最小值。

习 题 三1.正常情况下，某炼铁炉的铁水含碳量()24.55,0.108XN .现在测试了5炉铁水，其含碳量分别为4.28,4.40,4.42,4.35,4.37.如果方差没有改变，问总体的均值有无显著变化？如果均值没有改变，问总体方差是否有显著变化()0.05α=？ 解 由题意知，()24.55,0.108XN ，5n =，511 4.3645i i x x ===∑，0.05α=，()5220110.095265i i s x μ==-=∑.1)当00.108σ=时，①设统计假设0010: 4.55,: 4.55H H μμμμ==≠=. ②当0.05α=时，0.975121.96uu α-==，临界值121.960.0947c α-===， 拒绝域为000{}{0.0947}K x c x μμ=->=->.③004.364 4.550.186x K μ-=-=∈，所以拒绝0H ，接受1H ，即认为当方差没有改变时，总体的均值有显著变化.2)当0 4.55μ=时，①设统计假设2222220010:0.108,:0.108H H σσσσ==≠=. ②当0.05α=时，临界值()()()()222210.02520.975122111150.1662,5 2.566655c n c n n n ααχχχχ-======， 拒绝域为222202122220000{}{2.56660.1662}ssssK c c σσσσ=><=><或或.③202200.095268.16700.108sK σ==∈，所以拒绝0H ，接受1H ，即均值没有改变时，总体方差有显著变化.2.一种电子元件，要求其寿命不得低于1000h .现抽取25件，得其均值950x h =.该种元件寿命()2,100XN μ，问这批元件是否合格()0.05α=？解 由题意知，()2,100XN μ，25n =，950x =，0.05α=，0100σ=.①设统计假设0010:1000,:1000H H μμμμ≥=<=. ②当0.05α=时，0.05 1.65u u α==-，临界值()1.6533c α==-=-， 拒绝域为000{}{33}K x c x μμ=-<=-<-.③00950100050x K μ-=-=-∈，所以拒绝0H ，接受1H ，即认为这批元件不合格. 3.某食品厂用自动装罐机装罐头食品，每罐标准质量为500g ，现从某天生产的罐头中随机抽测9罐，其质量分别为510,505,498,503,492,502,497,506,495〔单位：g1)机器工作是否正常()0.05α=？2)能否认为这批罐头质量的方差为25.5()0.05α=？解 设X 表示用自动装罐机装罐头食品每罐的质量〔单位：g 〕.由题意知()2500,XN σ，方差2σ未知. 9n =，911500.88899i i x x ===∑，0.05α=，()()222111133.6111118nni i i i s x x x x n ===-=-=-∑∑，()52201130.66679i i s x μ==-=∑1)①设统计假设0010:500,:500H H μμμμ==≠=.②()()0.9751218 2.306tn t α--==，临界值()121 2.306 4.4564c n α-=-==，拒绝域为000{}{ 4.4564}K x c x μμ=->=->.③00500.88895000.8889x K μ-=-=∉，所以接受0H ，拒绝1H ，即认为机器工作正常.2)当0500μ=时，①设统计假设2222220010: 5.5,: 5.5H H σσσσ==≠=. ②当0.05α=时，临界值()()()()222210.02520.975122111190.3,9 2.113399c n c n n n ααχχχχ-======，拒绝域为222202122220000{}{2.11330.3}ssssK c c σσσσ=><=><或或.③2022030.66671.013785.5sK σ==∉，所以接受0H ，拒绝1H ，即为这批罐头质量的方差为25.5.4.某部门对当前市场的鸡蛋价格情况进行调查，抽查某市20个集市上鸡蛋的平均售价为()3.399元/500克，标准差为()0.269元/500克.往年的平均售价一直稳定 ()3.25元/500克左右，问该市场当前的鸡蛋售价是否明显高于往年()0.05α=？解 由题意知，()23.25,XN σ，20n =， 3.399x =，0.05α=，0.269s =.①设统计假设0010: 3.25,: 3.25H H μμμμ≤=>=. ②当0.05α=时，()()10.95119 1.729t n t α--==，临界值()11 1.7290.1067c n α-=-==， 拒绝域为000{}{0.1067}K x c x μμ=->=->③003.399 3.250.149x K μ-=-=∈，所以拒绝0H ，接受1H ，即认为市场当前的鸡蛋售价是明显高于往年. 5.某厂生产的维尼纶纤度()2,0.048XN μ，某日抽测8根纤维，其纤度分别为1.32,1.41,1.55,1.36,1.40,,1.50,1.44,1.39，问这天生产的维尼纶纤度的方差2σ是否明显变大了()0.05α=？ 解 由题意知()2,0.048XN μ，8n =，811 1.421258i i x x ===∑，0.05α=，()()22211110.0122118nni i i i s x x x x n ===-=-=-∑∑.①设统计假设2222220010:0.048,:0.048H H σσσσ==>=. ②当0.05α=时，临界值()()2210.951117 2.0117c n n αχχ-=-==-，拒绝域为2202200{}{ 2.01}s s K c σσ=>=>.③202200.012215.29950.048s K σ==∈，所以拒绝0H ，接受1H ，即这天生产的维尼纶纤度的方差2σ明显变大了.6.某种电子元件，要求平均寿命不得低于2000h ，标准差不得超过130h .现从一批该种元件中抽取25个，测得寿命均值为1950h ，标准差148s h =.设元件寿命服从正态分布。

第三章 假设检验P1313.2 一种元件，要求其使用寿命不得低于1000（小时）。

现在从一批这种元件中随机抽取25件，测得其寿命平均值为950（小时）。

已知该种元件寿命服从标准差100σ=（小时）的正态分布，试在显著水平0.05下确定这批元件是否合格。

解：本题需检验0H ：0μμ≥，1H ：0μμ<.元件寿命服从正态分布，0σ已知，∴当0H成立时，选取统计量X u μ-=，其拒绝域为{}V u u α=<.其中950X =，01000μ=，25n =，0100σ=.则 2.5u ==-.查表得0.05 1.645u =-，得0.05u u <，落在拒绝域中，拒绝0H ，即认为这批元件不合格。

3.3 某厂生产的某种钢索的断裂强度服从正态分布()2N μσ，，其中40σ=（kg / cm 2）。

现从一批这种钢索的容量为9的一个子样测得断裂强度平均值为X ，与以往正常生产时的μ相比，X 较μ大20（kg / cm 2）。

设总体方差不变，问在0.01α=下能否认为这批钢索质量有显著提高？解：本题需检验0H ：0μμ=，1H ：0μμ>.钢索的断裂强度服从正态分布，0σ已知，∴当0H成立时，选取统计量u =，其拒绝域为{}1V u u α-=>.其中040σ=，9n =，020X μ-=，0.01α=.则 1.5u ==.查表得10.990.01 2.33u u u u αα-==-=-=，得0.99u u <，未落在拒绝域中，接受0H ，即认为这批钢索质量没有显著提高。

3.5 测定某种溶液中的水分。

它的10个测定值给出0.452%X =，0.035%S =。

设总体为正态分布()2N μσ，，试在水平5%检验假设：（i ）0H ：0.5%μ>； 1H ：0.5%μ<. （ii ）0H ：0.04%σ≥； 1H ：0.04%σ<. 解：（i ）总体服从正态分布，0σ未知，当0H成立时，选取统计量t =(){}1V t t n α=<-.查表得()()0.050.9599 1.8331t t =-=-.而()4.114 1.83311t t n α==-<-=-.落在拒绝域中，拒绝0H .（ii ）总体服从正态分布，μ未知， 当0H 成立时，选取统计量222nSχσ=，其拒绝域为(){}221V n αχχ=<-.查表得()20.059 3.325χ=.而()()()2222100.035%7.65610.04%n αχχ⨯==>-.未落在拒绝域中，接受0H .3.6 使用A （电学法）与B （混合法）两种方法来研究冰的潜热，样品都是－0.72℃的冰块，下列数据是每克冰从－0.72℃变成0℃水的过程中的吸热量（卡 / 克）：方法A ：79.98，80.04，80.02，80.04，80.03，80.03，80.04，79.97，80.05，80.03，80.02，80.00，80.02方法B ：80.02，79.94，79.97，79.98，79.97，80.03，79.95，79.97假定用每种方法测得的数据都服从正态分布，且它们的方差相等。

数理统计之假设检验概述在统计学中，假设检验是一种常用的统计推断方法，用于验证关于总体或总体参数的某个假设。

通过采集样本数据，计算统计量，并将其与理论上的期望值进行比较，我们可以对原假设是否成立进行推断。

本文将介绍假设检验的基本概念、步骤和常见假设检验方法。

基本概念原假设和备择假设在进行假设检验时，我们需要先提出原假设（null hypothesis，H0）和备择假设（alternative hypothesis，H1）。

原假设通常是我们希望通过统计推断得到支持的假设，而备择假设则是与原假设相反或者需要进一步验证的假设。

类型I错误和类型II错误在假设检验中，可能会犯两种类型的错误。

类型I错误是在原假设为真的情况下，拒绝了原假设的错误推断。

而类型II错误则是在备择假设为真的情况下，接受了原假设的错误推断。

通常我们会设定显著性水平（significance level），用于控制类型I错误的概率。

P值P值是指在原假设为真的情况下，观察到的统计量或更极端结果出现的概率。

当P值小于预设的显著性水平时，我们有足够的证据拒绝原假设。

P值越小，我们对原假设的拒绝程度越大。

假设检验步骤进行假设检验通常包括以下几个步骤：1.提出原假设和备择假设。

2.选择适当的假设检验方法。

3.采集样本数据，并计算统计量。

4.根据计算得到的统计量，计算P值。

5.将P值与预设的显著性水平进行比较。

6.根据比较结果，作出关于原假设的结论。

常见假设检验方法单样本t检验单样本t检验用于检验一个样本平均值是否与已知的总体平均值有显著差异。

在进行单样本t检验时，我们首先提出原假设，即样本平均值等于总体平均值。

然后采集样本数据，计算出样本平均值和标准误差，最后计算出t值和P值，判断样本平均值是否显著不同于总体平均值。

双样本t检验双样本t检验用于检验两个独立样本的平均值是否有显著差异。

在进行双样本t检验时，我们首先提出原假设，即两个样本的平均值相等。

数理统计中的假设检验方法在数理统计中，假设检验方法是一种重要的统计推断方法，旨在通过对样本数据进行统计分析，对总体参数的假设进行验证。

本文将介绍假设检验的基本概念和步骤，并介绍几种常见的假设检验方法。

一、假设检验的基本概念和步骤假设检验是基于样本数据对总体参数进行推断的方法，其基本思想是通过假设检验来判断总体参数是否符合某种特定的假设。

例如，我们可以对一个总体的均值是否等于某个特定值进行假设检验。

假设检验的基本步骤如下：1. 建立原假设（H0）和备择假设（H1）：原假设是我们要进行检验的假设，备择假设是原假设的对立假设。

例如，原假设可以是总体均值等于某个特定值，备择假设可以是总体均值不等于该特定值。

2. 选择适当的显著性水平（α）：显著性水平是我们在进行假设检验时所允许的犯第一类错误的概率，通常取0.05或0.01。

3. 根据样本数据计算检验统计量：检验统计量是用来判断原假设是否成立的量，其选择取决于具体的假设检验方法。

4. 设置拒绝域：拒绝域是指当检验统计量的取值落入该域时，我们拒绝原假设。

拒绝域的划定依赖于显著性水平和假设检验方法。

5. 做出统计判断：根据对样本数据的分析以及检验统计量是否落入拒绝域，我们可以判断是否拒绝原假设。

6. 得出结论：根据统计判断，我们可以得出关于总体参数的统计结论，并对其进行解释。

二、常见的假设检验方法1. 单样本 t 检验：单样本t 检验用于判断一个样本的均值是否与某个已知的数值相等。

它常用于样本容量较小（小于30）且总体标准差未知的情况。

2. 独立样本 t 检验：独立样本 t 检验用于比较两个独立样本的均值是否相等。

它常用于独立样本间的均值差异的比较。

3. 配对样本 t 检验：配对样本 t 检验用于比较同一组样本在两个时间点或两个条件下的均值是否相等，常用于配对样本的差异性分析。

4. 卡方检验：卡方检验用于检验两个或多个分类变量之间的关联性。

它可用于判断观察到的频数与期望的频数是否有显著差异。

概率论与数理统计实验实验3 参数估计假设检验实验目的实验内容直观了解统计描述的基本内容。

2、假设检验1、参数估计3、实例4、作业一、参数估计参数估计问题的一般提法X1, X2,…, Xn要依据该样本对参数作出估计，或估计的某个已知函数.现从该总体抽样，得样本设有一个统计总体，总体的分布函数向量). 为F(x, )，其中为未知参数( 可以是参数估计点估计区间估计点估计——估计未知参数的值区间估计——根据样本构造出适当的区间，使他以一定的概率包含未知参数或未知参数的已知函数的真?（一）、点估计的求法1、矩估计法基本思想是用样本矩估计总体矩.令设总体分布含有个m未知参数??1 ，…，??m解此方程组得其根为分别估计参数??i ，i=1,...,m，并称其为??i 的矩估计。

2、最大似然估计法（二）、区间估计的求法反复抽取容量为n的样本,都可得到一个区间,这个区间可能包含未知参数的真值,也可能不包含未知参数的真值,包含真值的区间占置信区间的意义1、数学期望的置信区间设样本来自正态母体X(1) 方差?? 2已知, ?? 的置信区间(2) 方差?? 2 未知, ?? 的置信区间2、方差的区间估计未知时, 方差?? 2 的置信区间为（三）参数估计的命令1、正态总体的参数估计设总体服从正态分布，则其点估计和区间估计可同时由以下命令获得：[muhat,sigmahat,muci,sigmaci] = normfit(X,alpha)此命令以alpha 为显著性水平，在数据X下，对参数进行估计。

（alpha缺省时设定为0.05），返回值muhat是X的均值的点估计值，sigmahat是标准差的点估计值, muci是均值的区间估计,sigmaci是标准差的区间估计.例1、给出两列参数?? =10, ??=2正态分布随机数，并以此为样本值，给出?? 和?? 的点估计和区间估计命令:r=normrnd(10,2,100,2);[mu,sigm,muci,sigmci]=normfit(r);[mu1,sigm1,muci1,si gmci1]=normfit(r,0.01);mu=9.8437 9.9803sigm=1.91381.9955muci=9.4639 9.584310.2234 10.3762sigmci=1.68031.75202.2232 2.3181mu1=9.8437 9.9803sigm1=1.91381.9955muci1=9.3410 9.456210.3463 10.5043sigmci1=1.6152 1.68412.3349 2.4346例2、产生正态分布随机数作为样本值，计算区间估计的覆盖率。

第三章 假设检验课后作业参考答案3.1 某电器元件平均电阻值一直保持2.64Ω，今测得采用新工艺生产36个元件的平均电阻值为2.61Ω。

假设在正常条件下，电阻值服从正态分布，而且新工艺不改变电阻值的标准偏差。

已知改变工艺前的标准差为0.06Ω，问新工艺对产品的电阻值是否有显著影响？(01.0=α)解：(1)提出假设64.2:64.2:10≠=μμH H ， (2)构造统计量36/06.064.261.2/u 00-=-=-=nX σμ(3)否定域⎭⎬⎫⎩⎨⎧>=⎭⎬⎫⎩⎨⎧>⋃⎭⎬⎫⎩⎨⎧<=--21212αααu u uu u u V (4)给定显著性水平01.0=α时，临界值575.2575.2212=-=-ααuu ，(5) 2αu u <，落入否定域，故拒绝原假设，认为新工艺对电阻值有显著性影响。

3.2 一种元件,要求其使用寿命不低于1000（小时）,现在从一批这种元件中随机抽取25件,测得其寿命平均值为950（小时）。

已知这种元件寿命服从标准差100σ=（小时）的正态分布，试在显著水平0.05下确定这批元件是否合格。

解：{}01001:1000, H :1000X 950 100 n=25 10002.5V=u 0.05H x u αμμσμα-≥<====->=提出假设：构造统计量：此问题情形属于u 检验，故用统计量：此题中：代入上式得：拒绝域：本题中：0.950.950u 1.64u 0.0u H =>∴即，拒绝原假设认为在置信水平5下这批元件不合格。

3.3某厂生产的某种钢索的断裂强度服从正态分布()2,σμN ，其中()2/40cm kg =σ。

现从一批这种钢索的容量为9的一个子样测得断裂强度平均值为X ，与以往正常生产时的μ相比，X 较μ大20(2/cm kg )。

设总体方差不变，问在01.0=α下能否认为这批钢索质量显著提高？ 解：(1)提出假设0100::μμμμ>=H H ， (2)构造统计量5.13/4020/u 00==-=nX σμ (3)否定域{}α->=1u u V(4)给定显著性水平01.0=α时，临界值33.21=-αu(5) α-<1u u ，在否定域之外，故接受原假设，认为这批钢索质量没有显著提高。

数理统计之假设检验概述假设检验是数理统计学中的一个重要方法，用于根据样本数据对总体参数的假设进行推断。

通过对样本数据进行分析，判断总体参数是否符合我们所假设的条件。

本文将从假设检验的基本概念、假设检验的步骤和常见的假设检验方法进行介绍。

假设检验的基本概念假设检验分为原假设和备择假设。

原假设是对总体参数进行的假设，常用符号H0表示。

备择假设是对原假设的否定，常用符号H1或Ha表示。

在进行假设检验时，我们首先设立一个原假设，然后通过对样本数据的分析，对原假设进行推翻或接受。

假设检验的步骤假设检验的步骤一般包括以下几个步骤：1.建立假设：确定原假设H0和备择假设H1。

2.选择显著性水平：显著性水平（α）是在进行假设检验时拒绝原假设的临界点，常用的显著性水平有0.05和0.01。

3.选择检验统计量：根据研究问题和数据类型选择适当的检验统计量。

4.计算检验统计量的值：根据样本数据计算检验统计量的值。

5.做出决策：根据检验统计量的值和显著性水平，判断是否拒绝原假设或接受备择假设。

6.得出结论：根据决策结果得出对总体参数的推断结论。

常见的假设检验方法单总体均值检验单总体均值检验用于检验总体均值是否符合某个给定的值。

假设我们要检验一个药物的剂量对病人的平均生存时间是否有影响，我们可以采用单总体均值检验方法。

双总体均值检验双总体均值检验用于检验两个总体均值是否相等。

假设我们想知道男性和女性的平均身高是否有差异，我们可以使用双总体均值检验方法。

单总体比例检验单总体比例检验用于检验总体比例是否符合某个给定的比例。

假设我们想知道某品牌产品的整体满意度是否达到90%，我们可以采用单总体比例检验方法。

双总体比例检验双总体比例检验用于检验两个总体比例是否相等。

假设我们想知道男性和女性购买某款产品的比例是否相等，我们可以使用双总体比例检验方法。

卡方检验卡方检验用于检验两个或多个分类变量之间的关联性。

假设我们想知道吸烟与患某种疾病是否有关系，我们可以使用卡方检验方法。

数理统计学中的假设检验数理统计学是现代统计学中非常重要的部分，它主要研究如何通过数据来理解自然界的规律。

其中假设检验是其核心内容之一。

什么是假设检验？为什么它如此重要？下面让我们来仔细探讨。

一、假设检验的概念假设检验是指对一个已知的数据样本进行分析，并根据样本推断总体参数的过程。

具体地说，它涉及到两个假设：原假设和备择假设。

原假设指的是我们要检验的假设，一般是由问题的提出者提出；备择假设指的是与原假设相关的另外一种假设。

我们需要对这两个假设进行比较，判断样本的表现是否支持原假设。

如果不支持，那么我们就可以把原假设拒绝，并接受备择假设。

二、假设检验的应用假设检验在各个领域均有广泛的应用，例如医学、金融、政治等。

下面就以医学为例，来说明假设检验的应用。

例如，某个新药对特定疾病的治疗效果进行评估。

原假设是新药的治疗效果和传统药物相同，而备择假设是新药的治疗效果更好。

研究人员会在一定的样本规模内进行临床试验，然后根据试验结果进行假设检验。

如果结果表明新药的治疗效果显著超过传统药物，那么我们就可以拒绝原假设，接受备择假设。

在这个过程中，我们需要考虑到检验结果的可靠性，因此必须计算出显著性水平和P值。

三、假设检验的步骤通常来说，假设检验的步骤可以归纳为以下几步：1. 建立原假设和备择假设原假设通常是问题的提出者对研究对象的一种猜测或假设，而备择假设则是一个相关的假设，通常是对原假设的否定或拓展。

2. 设定显著性水平显著性水平是用于衡量研究结果是否达到了预期的水平。

通常，显著性水平被设定在0.05或0.01水平，也就是说，只有当P值小于0.05时，结果才会被认为是显著的。

3. 计算检验统计量检验统计量是指用来判断样本和原假设之间的差异程度的数值。

通常来说，检验统计量可以从样本中计算出来。

4. 计算P值P值是指在原假设成立的情况下，观察到的样本比当前样本更极端的概率。

通常，我们会根据检验统计量计算P值，并与显著性水平进行比较。