高等数学 / 系统课时

单总体均值检验

单总体均值检验

单总体均值检验用于判断一个总体的平均水平是否等于、低于或高于给定标准。本课将把方差已知时的 Z 检验与方差未知时的单样本 t 检验放在同一条决策链中,并通过完整例题完成判断。

学习目标

  • 能把业务问题写成原假设与备择假设
  • 能根据总体方差是否已知选择 Z 检验或单样本 t 检验
  • 能依据统计量、临界值或 p 值作出规范结论

先把问题写成假设

设总体均值为 μ\mu,待检验的标准值为 μ0\mu_0。原假设通常写成 H0:μ=μ0H_0:\mu=\mu_0,表示“没有显著差异”;备择假设决定检验方向。

双侧检验关注是否“不等于”,写成 H1:μ≠μ0H_1:\mu\ne\mu_0;右侧检验关注是否“更大”,写成 H1:μ>μ0H_1:\mu>\mu_0;左侧检验关注是否“更小”,写成 H1:μ<μ0H_1:\mu<\mu_0。方向必须在查看样本结果之前确定。

单总体均值检验选择流程

方差已知时使用 Z 检验

当总体标准差 σ\sigma 已知,且总体正态或样本量足够大时,使用统计量:

Z=Xˉ−μ0σ/nZ=\frac{\bar X-\mu_0}{\sigma/\sqrt n}

其中,Xˉ\bar X 是样本均值,nn 是样本量。双侧检验在显著性水平 α\alpha 下,将 ∣Z∣|Z| 与 z1−α/2z_{1-\alpha/2} 比较;单侧检验则只考察对应一侧的临界区域。

总体方差“已知”是指来自稳定工艺参数、长期校准结果或明确给定条件,而不是把本次样本标准差 ss 当成 σ\sigma。如果只是从样本估计波动,应转用 t 检验。

方差未知时使用单样本 t 检验

当总体标准差未知时,用样本标准差 ss 替代 σ\sigma,统计量变为:

t=Xˉ−μ0s/n,df=n−1t=\frac{\bar X-\mu_0}{s/\sqrt n},\qquad df=n-1

t 分布比标准正态分布尾部更厚,反映了估计总体方差带来的额外不确定性。样本量增大后,t 分布逐渐接近标准正态分布,但方差未知时仍应按 t 检验计算。

小样本 t 检验要求总体近似正态,且样本中没有严重离群值。样本量较大时,对轻度偏态通常更稳健,但独立随机抽样仍是基本前提。

例题:检验平均灌装量

某设备标称平均灌装量为 500 克。随机抽取 25 瓶,得到样本均值 496 克、样本标准差 10 克。在 α=0.05\alpha=0.05 下检验平均灌装量是否偏离标称值。

建立双侧假设:H0:μ=500H_0:\mu=500,H1:μ≠500H_1:\mu\ne500。总体方差未知,因此使用单样本 t 检验:

t=496−50010/25=−2.00,df=24t=\frac{496-500}{10/\sqrt{25}}=-2.00,\qquad df=24

双侧临界值约为 t0.975,24=2.064t_{0.975,24}=2.064。因为 ∣t∣=2.00<2.064|t|=2.00<2.064,所以不拒绝 H0H_0;等价地,双侧 p 值约为 0.056,大于 0.05。

规范结论是:“在 5% 显著性水平下,现有样本不足以证明平均灌装量与 500 克存在差异。”这不等于证明总体均值一定等于 500 克。

选择规则与常见错误

选择方法时只需先问两个问题:检验对象是否为单个总体均值,以及总体标准差是否真正已知。已知时用 Z 检验,未知时用单样本 t 检验。

常见错误包括先看样本均值再决定单侧方向、把“不拒绝”写成“接受原假设”、忽略随机独立性,以及只报告 p 值却不说明业务结论。显著性说明证据强弱,不直接代表差异大小或实际重要性。

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

单总体均值检验

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