高等数学 / 系统课时
假设检验基本框架
假设检验基本框架
假设检验解决的是“样本证据是否足以反对一个总体主张”。本课将建立从提出原假设、选择检验统计量,到划定拒绝域和作出结论的完整判断链路。
学习目标
- 能区分原假设与备择假设的职责
- 能说明检验统计量、显著性水平和拒绝域之间的关系
- 能正确表述“拒绝”与“不能拒绝”的结论
从两个互斥主张开始
原假设记为 ,通常表示“没有差异”“没有效果”或“总体参数等于某个基准值”。备择假设记为 ,表示研究者希望用样本证据支持的方向。
例如,检验某设备的平均寿命是否高于 1000 小时,可以写为:
检验从假定 成立开始,再判断当前样本结果在这一前提下是否过于罕见。若足够罕见,就拒绝 ;否则只能说证据不足以拒绝它。
检验统计量与拒绝域
检验统计量把样本信息压缩为一个可比较的数值。它通常衡量“样本结果与原假设之间相差多少个标准误”。

显著性水平记为 ,常用 0.05。它控制第一类错误的上限:当 实际成立时,却把它错误拒绝的概率。
拒绝域由 和备择假设方向共同决定。右侧检验把拒绝域放在分布右尾,左侧检验放在左尾,双侧检验则把 分到两端。
用一个均值检验走完整流程
已知总体标准差为 12,抽取 36 个样本,得到样本均值 102。现在检验总体均值是否高于 100,取显著性水平 :
在 的边界值 下,检验统计量为:
右侧检验在 时的临界值约为 1.645。由于 ,统计量没有落入拒绝域,因此不能拒绝 。对应的单侧 值约为 0.1587,也大于 0.05,得到相同结论。
这里不能写成“接受 ”或“证明均值不高于 100”。样本只说明当前证据不足,并不代表原假设已经被证明为真。
p 值与临界值是同一决策
临界值法比较“统计量是否进入拒绝域”,p 值法比较“在 成立时,观察到当前或更极端结果的概率是否小于 ”。
两种方法的决策规则等价:若统计量进入拒绝域,则 ;若统计量未进入拒绝域,则 。实际分析中,p 值还能反映样本证据有多极端,因此更便于报告。
两类错误与检验能力
第一类错误是 为真却被拒绝,概率由 控制。第二类错误是 为真却未能拒绝 ,其概率记为 。
检验功效为 ,表示真实差异存在时成功发现它的概率。增大样本量通常能提高功效,但仅靠降低 会让拒绝条件更严格,也可能增加第二类错误。