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 H0H_0,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 H1H_1,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:

H0:μ≤1000,H1:μ>1000H_0:\mu\le 1000,\qquad H_1:\mu>1000

检验从假定 H0H_0 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 H0H_0;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”。

假设检验的拒绝域与决策链路

显著性水平记为 α\alpha,常用 0.05。它控制第一类错误的上限:当 H0H_0 实际成立时,却把它错误拒绝的概率。

拒绝域由 α\alpha 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 α\alpha 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 α=0.05\alpha=0.05:

H0:μ≤100,H1:μ>100H_0:\mu\le100,\qquad H_1:\mu>100

在 H0H_0 的边界值 μ0=100\mu_0=100 下,检验统计量为:

z=xˉ−μ0σ/n=102−10012/36=1z=\frac{\bar{x}-\mu_0}{\sigma/\sqrt{n}} =\frac{102-100}{12/\sqrt{36}} =1

右侧检验在 α=0.05\alpha=0.05 时的临界值约为 1.645。由于 1<1.6451<1.645,统计量没有落入拒绝域,因此不能拒绝 H0H_0。对应的单侧 pp 值约为 0.1587,也大于 0.05,得到相同结论。

这里不能写成“接受 H0H_0”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 H0H_0 成立时,观察到当前或更极端结果的概率是否小于 α\alpha”。

两种方法的决策规则等价:若统计量进入拒绝域,则 p<αp<\alpha;若统计量未进入拒绝域,则 p≥αp\ge\alpha。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 H0H_0 为真却被拒绝,概率由 α\alpha 控制。第二类错误是 H1H_1 为真却未能拒绝 H0H_0,其概率记为 β\beta。

检验功效为 1−β1-\beta,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 α\alpha 会让拒绝条件更严格,也可能增加第二类错误。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

假设检验基本框架

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通