[精选]高等数理统计假设检验--资料

合集下载

概率论与数理统计课件：假设检验

假设检验
首页返回退出
五、假设检验的两类错误
由于样本具有随机性，因此，当我们利用样本判断时，可能会犯两类错误：
所作决策
真实情况
(未知)
样本未落入拒绝域样本落入拒绝域
接受H0
拒绝H0
H0为真
正确
第一类错误
H0不真
第二类错误
正确
第一类(弃真): 第二类(取伪):
假设检验
P{拒绝H0|H0为真}= , P{接受H0|H0不真}= .
(α=0.05)
解：正态总体X~N(μ，σ2)，已知σ=2
要检验的假设为
H0 : 40, H1 : 40
选择检验统计量
Z X 0 ~ N (0,1) / n
假设检验
首页返回退出
解：正态总体X~N(μ，σ2)，已知σ=2
要检验的假设为
H0 : 40, H1 : 40
选择检验统计量
由样本数据计算，得 x 100.104 计算统计量Z的观测值，得
Z 100.104 100 0.658 1.96 0.5 / 10
没有落入拒绝域
结论：不拒绝原假设，认为内径的值符合设计要求.
假设检验
首页返回退出
要检验的假设为
H0 : 100, H1 : 100
（2）未知σ2 ，选择检验统计量
没有落入拒绝域
结论：不拒绝原假设，认为内径的值符合设计要求.
假设检验
首页返回退出
例2 某厂生产的固体燃料推进器的燃烧率服从正态分布X~N(40，22)，现在采用技术研发部设计的新方法生产了一批推进器，随机测试25只，测得燃烧率的样本均值为 x 41.25 ，假设在新方法下σ=2，问用新方法生产的推进器的燃烧率是否有显著的提高？

概率论与数理统计-假设检验

设
14
若
取伪的概率较大.
15
/2
0.12 0.1
0.08 0.06 0.04 0.02
/2 H0 真
60 62.5 65 67.5 70 72.5 75
0.12 0.1
0.08 0.06 0.04 0.02
H0 不真
67.5 70 72.5 75 77.5 80 82.5
16
现增大样本容量,取n = 64, = 66,则
41
两个正态总体
设 X ~ N ( 1 1 2 ), Y ~ N ( 2 2 2 )
两样本 X , Y 相互独立, 样本 (X1, X2 ,…, Xn ), ( Y1, Y2 ,…, Ym ) 样本值 ( x1, x2 ,…, xn ), ( y1, y2 ,…, ym )
显著性水平
42
(1) 关于均值差 1 – 2 的检验
原假设备择假设检验统计量及其在
H0
H1
H0为真时的分布拒绝域 Nhomakorabea1 – 2 = 1 – 2
1 – 2 1 – 2 <
1 – 2 1 – 2 > ( 12，22 已知)
43
原假设备择假设检验统计量及其在
H0
H1
H0为真时的分布
1 – 2 = 1 – 2
拒绝域
1 – 2 1 – 2 <
1 – 2 1 – 2 >
12, 22未知
12
=
2 2
其中
44
(2)
关于方差比
2 1
/
2 2
的检验
原假设备择假设检验统计量及其在
H0
H1
H0为真时的分布

数理统计：假设检验(课件)

1.1 假设检验中的小概率原理
小概率原理:指发生概率很小的随机事件在一次试验中是几乎不可能发生的。通常小概率指p<5%。假设检验的基本思想是应用小概率原理进行逻辑推理。例如:某厂产品合格率为99%,从一批(100件)产品中随机抽取一件,恰好是次品的概率为1%。随机抽取一件是次品几乎是不可能的, 但是这种情况发生了,我们有理由怀疑该厂的合格率为99%.这时我们犯错误的概率是1%。
2 总体均值的检验
2.1 Z－检验2.2 T-检验2.3 配对样本的检验（成对样本）
2.1 Z－检验
1、当总体分布为正态分布，总体标准差为已知时，检验原假设。当H0成立时，由于总体；所以样本均值。从而统计量为：
假ห้องสมุดไป่ตู้检验中的单侧检验示意图
拒绝域拒绝域 (a)右侧检验 (b)左侧检验
3.15
(3）Z的分布：Z～N(0,1)
(4)对给定的＝0.05确定临界值。因为是双侧备择假设所以查表时要注意。因概率表是按双侧排列的，所以应查1-0.05＝0.95的值，查得临界值＝1.96。
病人号码
1
2
3
4
5
6
7
8
9
10
增加睡眠（小时）
0.7
-1.1
-0.2
1.2
0.1
3.4
3.7
0.8
1.8
2.0
=2.57
(3)确定统计量分布。本例中，。
(4)对于给定的显著性水平0.05，查自由度为9的t分布表，单侧临界值为1.833。
[例1]某市历年来对7岁男孩的统计资料表明，他们的身高服从均值为1.32米、标准差为0.12米的正态分布。现从各个学校随机抽取25个7岁男学生，测得他们平均身高1.36米，若已知今年全市7岁男孩身高的标准差仍为0.12米，问与历年7岁男孩的身高相比是否有显著差异(取＝0.05)。

《数理统计》第三章假设检验

一个正态总体均值假设检验( 检验检验) 一个正态总体均值假设检验(t检验)
P328
P329
第三章 1.2 参数假设检验Parameter hypothesis testing
一个正态总体方差的假设检验
第三章 1.2 参数假设检验Parameter hypothesis testing
一个正态总体方差的假设检验
两个正态总体方差比的假设检验两个正态总体方差比的假设检验方差比
两个正态总体方差比的假设检验两个正态总体方差比的假设检验方差比
P393
P393
第三章 1.2 参数假设检验Parameter hypothesis testing
两个正态总体均值,方差的假设检验举例两个正态总体均值,方差的假设检验举例
第三章 1.2 参数假设检验Parameter hypothesis testing
一个正态总体均值的假设检验( 检验检验) 一个正态总体均值的假设检验(U检验)
第三章 1.2 参数假设检验Parameter hypothesis testing
一个正态总体均值的假设检验( 检验) 一个正态总体均值的假设检验(U检验)表示
两个正态总体均值差假设检验举例两个正态总体均值差假设检验举例
第三章 1.2 参数假设检验Parameter hypothesis testing
两个正态总体均值差假设检验举例两个正态总体均值差假设检验举例
两个正态总体方差比的假设检验
第三章 1.2 参数假设检验Parameter hypothesis testing
总体分布函数的假设检验
1.3 非参数假设检验(Non-Parameter hypothesis testing) 非参数假设检验 Parameter

高等数理统计假设检验

Bernoulli实验：掷一个硬币，以概率p得正面（记为1)，以概率1-p得反而（记为0)。得到下面的结果:
110000111100
称连在一起的0或者1为游程（run），则上面这组数中有3个0游程，2个1游程，总共有5个游程 (R=5)。0的总个数m=13,1的总个数为n=10。记总的实验次数为N,N=m+n。
n
^
p (xi; )
(x)
i1 n
p (xi; 0 )
i1
原假设成立时
2ln(X) n 2(k)
其中， ^ 是参数的MLE。
例题3.16(P225)
例题
样本 X i1 , ,X im ,iid ., N (i,i2 ),1 i m 且
全部样本独立.要检验假设
H 0 :1 2 m 2H 1 :1 2 m 2 不成立
由常识得知，如果这个实验是随机的，则不大可能出出太多的1或0的游程。
P(R
2k)
2C C k1 k1 m1 n1 CNn
P(R
2k
1)
C C k1 k m1 n1
Cmk1Cnk11
CNn
原假设成立时，算出 P(R r)或 P(R r) 的值，也就可以做检验了
在m或n不大时，可直接计算得出。
前述各种检验方法基本上适用于参数统计结构，这些方法往往要求总体分布族的密度函数的数学形式已知，且只含有限个未知参数，但有些时候，人们难于由经验或某种理论得到总体的参数统计结构，而只能得到非参数统计结构。因此有必要寻求非参数统计结构的检验方法。
游程检验
检验随机性的一个重要方法。
H0: 随机性 H1: 没有随机性(有聚类倾向)
在水平为时，构造似然比统计量

概率论与数理统计课件假设检验

H0：=0；H1：0
X 0 P u n
或 H0：=0；H1：0
拒绝域为
U u
X 0 P u 拒绝域为 n
U u
单个正态总体方差未知的均值检验
问题：总体 X~N（，2），2未知假设 H0：=0；H1：≠0
3、显示k1,k2，分析结果
MTB>Print k1 k2 否则，拒绝原假设。如果 k1 k 2 ，则接受原假设；
P142例5的计算机实现步骤
1、输入样本数据，存入C2列 2、选择菜单Stat>Basic Statistics>1-Sample T 3、在Variables栏中，键入C2，在Test Mean栏中键入750，打开Options选项，在Confidence level 栏中键入95，在Alternative中选择not equal，点击每个对话框中的OK即可。
引
言
统计假设——通过实际观察或理论分析对总体分布形式或对总体分布形式中的某些参数作出某种假设。假设检验——根据问题的要求提出假设，构造适当的统计量，按照样本提供的信息，以及一定的规则，对假设的正确性进行判断。
基本原则——小概率事件在一次试验中是不可能发生的。
基本概念
引例：已知某班《应用数学》的期末考试成绩服从正态分布。根据平时的学习情况及试卷的难易程度，估计平均成绩为75分，考试后随机抽样5位同学的试卷，得平均成绩为72分，试问所估计的75分是否正确？ “全班平均成绩是75分”，这就是一个假设根据样本均值为72分，和已有的定理结论，对EX=75 是否正确作出判断，这就是检验，对总体均值的检验。
T检验
双边检验
构造T统计量 T

假设检验的基础知识

假设检验
假设检验的基础知识
1.3 两类错误
在假设检验中，根据样本中所含信息可以作出是接受 H0 还是拒绝 H0 的判断，但由于样本的随机性，这样作出的判断可能会犯错误．
当原假设 H0 为真时，却作出拒绝 H0 的判断，此类错误称为第一类错误（或弃真错误）．犯第一类错误的可能性可由条件概率
P{拒绝H0 | H0为真} 来描述，称之为犯第一类错误的概率，或弃真概率．
49.6，48.8，51.3，49.4，49.3，48.5， 50.2，48.9，49.1，48.5，50.2，50.1．试问这台包装机工作是否正常？
分析每袋大米的质量 X ~ N(50，0.52 ) ，经计算 12 袋大米的平均质量为 x 49.492 ，
即 x 0 (0 50) 则可能有以下两种情况：（1）包装机工作正常，但由于抽样的随机性导致样本均值与总体均值有一定差异，
真实情况
所做判断
原假设 H0 为真
原假设 H0 为假
表 7-1 接受原假设 H0
正确（ 1 ）第二类错误（）
接受备择假设 H1 第一类错误（）
X 0 ~ N (0 ，1) ， / n
衡量 | x 50 | 的大小可归结为衡量 x 0 的大小．也就是说，要选取一个适当的常数 k ，使得 / n
x 50 / n
k 是一个小概率事件．当 x 满足 x 50 / n
k 时，拒绝 H0 ；反之，若
x 50 / n
k ，接受 H0 ．
假设检验
例 1 中，如何检验 H0 ： 50 是否成立呢？我们知道，样本均值 X 是的无偏估计，自然希望用
X 这一统计量来进行判断．在 H0 为真的条件下，X 的观测值 x 应在 50 附近，即 x 50 一般不应太大．若

【精品】概率论与数理统计PPT课件第八章假设检验

错误，我们记犯该错误的概率为。
16
假设检验的两类错误
所作判断真实情况 H0 为真 H0 为假
接受 H0
拒绝 H0
正确
第一类错误
(弃真)
第二类错误
(取伪)
正确
犯第一类错误的概率通常记为
犯第二类错误的概率通常记为
17
如在例2中, 如果第一起交通事故发生后, 就断定隧道南更容易发生交通事故, 犯第一类错误的概率是0.35. 当第二起交通事故发生后, 断定隧道南更容易发生交通事故, 犯第一类错误的概率是0.352=0.1225. 如果第四起交通事故又发生在隧道南, 否定p=0.35时犯第一类错误的概率是0.354=0.015.
24
假设检验步骤(三部曲) 根据实际问题所关心的内容,建立H0与H1。
在H0为真时,选择合适的统计量T, 并确定
拒绝域。根据样本值计算,并作出相应的判断.
25
提出假设
总结
抽取样本
P(T W)=
-----犯第一类错误的概率， W为拒绝域
根据统计调查的目的, 提出原假设H0 和备择假设H1
P= 0.353 ≈ 0.043.
这是一个很小的概率, 一般不容易发生.
7
所以我们否定H0, 认为隧道南的路面发生交通事故的概率比隧道北大.
做出以上结论也有可能犯错误。这是因为当隧道南北的路面发生交通事故的概率相同, 而3起交通事故又都出现在隧道南时, 我们才犯错误。这一概率正是P=0.043.
4
这是小概率事件, 一般在一次试验中是不会发生的, 现一次试验竟然发生, 故可认为原假设不成立, 即该批产品次品率p>0.04 , 则该批产品不能出厂.

统计培训教材1.6-假设检验

(0.5)18k
0.004
k 15
这看来又走到另一个极端了. 如果我们在选择一个方案时,只敢冒 0.4% 的风险, 未免太胆小, 太怯懦了, 对某先生也未免太苛刻了.
事实上, 虽然此时我们错误地相信该先生的可能性大大的减少, 但我们冤枉他的可能性却大大地增加了!
假设检验-7
那么，临界值究竟应取多大合适呢？当然要具体问题具体分析。事关重大，后果严重的，理应把风险控制的小一点；无伤大雅，错了可以再来的决策则不妨大胆一点。
80.0 82.5 85.0 87.5 90.0 92.5
假设检验-18
假设检验的前提假设
– 如果数据是连续的，我们假设基本分布是正态。 • 您可能需要转换非正态数据（如周期）。
– 当比较不同总体的子群时，我们假设： • 独立样本。 • 通过随机抽样实现。 • 样本是总体的代表（没有偏差）。
– 当比较不同过程的子群时，我们假设： • 每个过程都是稳定的。 • 没有特殊原因或随时间的变化（没有与时间相关的差异）。 • 样本是过程的代表（没有偏差）。
假设检验-8
假设检验概要
※工业案例的启示
在工业生产中，我们经常希望能够确定某个分布的参数是否就是某个具体数值或是否与其有什么关系。也就是说，我们可能希望要检验这样一个假设，即：某个分布的均值或标准差是否是某些数值，或者两个均值之差是否是零。这些检验就需要使用假设检验方法。实际工作中的例子有：
假设检验-19
假设(Hypothesis)
一个假设通常是关于总体特性的一个陈述.
待检假设包括两部分:
1) 零假设(null hypothesis) (记为H0)是关于总体参数值的一个陈述.
2) 备择假设(alternative hypothesis) (记为H1), 也叫对立假设, 是关于总体参数值的一个与零假设相对立的陈述, 即若零假设不成立, 则备择假设必定成立.

中科院高等数理统计

:
0
v.s. H1
:

，
0
本定理结论仍然成立。
5
2013-10-24
3）对检验问题 H 0
:
0
v.s. H1
:

或检
0
验问题 H0 : 0 v.s.H1 : 0 只要将本定理中 1)的不等号反向，2）中的“严格增”
改为“严格减”，3)中的“ 0”改为 0，则相应结论都成立。
0 T ( X ) k
此处k, 由E0*( X ) 确定，则*( X )为水平的 UMP 检验；
2) * ( ) 为集合 0 * ( ) 1 上的
严格增函数；
3 ）对任满足 E0( X ) 的检验，以及
期望一个检验犯错的概率越小越好。但这是一个 trade-off。难以使得两类错误同时小。例 3.1.2 ：设两个检验函数 1,2 ，记
Ri X i ( X ) 1 。设 R1 R2 ，这意味着
E1( X ) E2 ( X ) ，。因此 1 E1( X ) 1 E2 ( X )，。这表明，当 0时，欲减少犯第 I 类错误概率，在 1是就会增加犯第 II 类错误概率。
0，，E*( X ) E( X )。
注：1)通常 UMP 检验在水平的约束下，犯第 II 类错误的概率一致的小，未涉及犯第 I 类错误概率的大小(只要即可)。本定理的 3)表明对 MLR 族，它也使得犯第 I 类错误的概率一致的小(不超过 )。
2）对检验问题 H 0
( ) , 0。为了在理论上处理方便(实际应用中较少)，

数理统计CH假设检验

结论解释
根据决策结果解释检验结果，得出结论或提出进一步研究的建议。
04
假设检验的应用
在社会科学领域的应用
经济学
假设检验在经济研究中被广泛用于评估经济理论、预测经济趋势和评估政策效果。例如，通过假设检验来检验某个经济政策是否有效。
心理学
在心理学研究中，假设检验用于测试和研究人类行为、认知和情感等方面的假设。例如，通过假设检验来研究不同刺激对人类情绪的影响。
公共卫生研究使用假设检验来评估公共卫生干预措施的效果，例如疫苗接种计划或健康宣传活动。
在工程领域的应用
质量控制
在制造业中，假设检验用于质量控制，以确保生产过程中的产品符合规格和标准。
01
系统可靠性
在工程设计中，假设检验用于评估系统的可靠性和安全性，例如通过假设检验来评估新设备的故障率。
02
VS
详细描述
首先，提出原假设和备择假设，然后选择合适的统计量（如z检验或t检验），计算统计量和自由度，最后根据临界值或p值判断是否拒绝原假设。
06
假设检验的注意事项与展望
假设检验的注意事项
假设检验的前提条件
在进行假设检验之前，需要确保数据满足正态分布、独立性等前提条件，否则可能导致错误的结论。
假设检验的假设设定
假设检验中的假设应该合理、科学，不应该存在主观偏见或错误设定，否则可能导致错误的结论。
假设检验的样本量
样本量的大小对假设检验的结果有重要影响，样本量过小可能导致结论不准确，样本量过大则可能增加计算复杂度和时间成本。
假设检验的统计量选择
不同的统计量适用于不同的情况，选择合适的统计量是保证假设检验准确性的关键。
假设检验的发展趋势与展望

统计学-假设检验概念和方法

H0 检验
决策
实际情况
H0为真
H0为假
接受H0
正确决策 (1 – a)
第二类错误(b)
拒绝H0
第一类错误(a)
正确决策 (1-b)
假设检验就好像一场审判过程
统计检验过程
错误和错误的关系
和的关系就像翘翘板，小就大，大就小
你不能同时减少两类错误!
01
总体参数的真值
随着假设的总体参数的减少而增大
第 6章假设检验
§1 假设检验的基本问题 §2 一个正态总体参数的检验 §3 两个正态总体参数的检验 §4 假设检验中的其他问题
假设检验在统计方法中的地位
统计方法
描述统计
推断统计
参数估计
假设检验
学习目标
/CONTENTS
01
了解假设检验的基本思想
02
掌握假设检验的步骤
03
检验权在销售商一方
单侧检验 (显著性水平与拒绝域) H0值临界值 a 样本统计量拒绝域抽样分布 1 - 置信水平
左侧检验 (显著性水平与拒绝域)
H0值
临界值
a
样本统计量
拒绝域
抽样分布
1 -
置信水平
观察到的样本统计量
左侧检验 (显著性水平与拒绝域) H0值临界值 a 样本统计量拒绝域抽样分布 1 - 置信水平
规定显著性水平
假设检验的步骤
04
计算检验统计量的值
05
作出统计决策
02
确定适当的检验统计量
01
提出假设
提出原假设和备择假设
什么是原假设？(null hypothesis) 待检验的假设，又称“0假设” 研究者想收集证据予以反对的假设 3. 总是有等号 , 或 4. 表示为 H0 H0：某一数值指定为 = 号，即或例如, H0： 3190（克）

高级数理统计假设检验

高级数理统计假设检验第三章、假设检验一、引言：二、正态总体均值的假设检验1、单正态总体N(μ, σ2)均值μ的检验（1）双边检验 H0: μ = μ0；H1: μ≠μ0（2）单边检验 H0: μ = μ0；H1: μ>μ02、两个正态总体N(μ1, σ12) 和N(μ2, σ22)均值的比较（1）双边检验 H0: μ1 = μ2；H1: μ1≠μ2（2）单边检验 H0: μ1 >= μ2；H1: μ1<μ2（3）单边检验 H0: μ1 <= μ2；H1: μ1>μ2三、正态总体方差的检验1、单个正态总体方差的χ2 检验（1） H0: σ2=σ02；H1: σ2≠σ02（2） H0: σ2=σ02；H1: σ2>σ02（3) H0: σ2≤σ02；H1: σ2 > σ02 (同2.)2、两正态总体方差比的 F 检验(1). H0: σ12 = σ22；H1: σ12≠ σ22.（2） H0: σ12 = σ22；H1: σ12> σ22（3） H0: σ12≤σ22；H1: σ12> σ22第三章、假设检验一、引言：下面，我们讨论不同于参数估计问题的另一类统计推断问题——根据样本提供的信息，检验总体的某个假设是否成立的问题。

这类问题称为假设检验。

假设检验可分为两类：1、参数检验：总体分布已知情形下，检验未知参数的某个假设。

2、非参数检验：总体分布未知情形下的假设检验问题。

先看一个例子：【例1】某工厂生产 10 欧姆的电阻，根据以往生产的电阻实际情况，可以认为: 电阻值 X服从正态分布N(μ, 0.12)。

现在随机抽取10个电阻, 测得它们的电阻值为:9.9, 10.1, 10.2, 9.7, 9.9, 9.9, 10.0, 10.5, 10.1, 10.2.问: 从样本看，能否认为该厂生产的电阻的平均值μ = 10 欧姆?I. 如何建立检验模型●确定总体：记 X 为该厂生产电阻的测值，则：X ～N(μ, 0.12)；●明确任务：通过样本推断“X 的均值μ 是否等于10欧姆”；●假设：上面的任务是要通过样本检验“X 的均值μ =10”这一假设是否成立。

数理统计之假设检验

小概率事件在一次试验中几乎不会发生。
带概率性质的反证法 u 通常的反证法设定一个假设以后,如果出现的事实与之矛盾,(即如果这个假设是正确的话,出现一个概率等于0的事件)则绝对地否定假设.
u 带概率性质的反证法的逻辑是:
如果假设H0是正确的话,一次试验出现一个概率很小的事件,则以很大的把握否定假设H0.
(3)拒绝域为
u
x 0 n
z
（4）取 , 查表确定临界值 k z z0.05 1.65
（5）计算
u x 0
2250
2000
5
1.65
n 250 25
则拒绝 H0 ，即认为这些产品较以往有显著提高.
2. 2未知时，的检验
未知
2，可用样本方差 S 2
1n n 1 k1 ( X k
当
H
为真时，
0
U
X 0 n
~
N（0，1）
衡量 u x 0 的大小 n
设一临界值 k>0，若
u x 0 k n
就认为有较大偏差；
则认为
H
不真，拒绝
0
H
0
若
u x 0 k
n
则接受 H0
显著性检验： P{拒绝H0| H0为真}
P
X
0
k
,
n
U X 0 ~ N（0，1） n
(6) t t , 则拒绝 H0 ，接受 H1;反之，接受 H0.
左边检验
(1)H0 : 0; H1 : 0
（2）选取统计量：T X 0
Sn
（3）拒绝域为
t
x 0
sn
t (n 1)
（4）取 , 查表确定临界值 k t (n 1)

假设检验(完整)

(右侧检验 )
抽样分布
置信水平
1 -
拒绝H0
0 观察到的样本统计量
样本统计量临界值
显著性水平和拒绝域
(右侧检验 )
抽样分布
置信水平
1 -
拒绝H0
0
样本统计量
临界值
第一节假设检验概述
1、假设检验的基本思想 2、假设检验的步骤 3、两类错误和假设检验的规则
三、两类错误和假设检验的规则
• 1. 第Ⅰ类错误(弃真错误)
x
~ N (0,1) s/ n
x ~ t(n 1)
s/ n
非正态分布大样本 x ~ N (0,1) / n
x ~ N (0,1)
s/ n
非正态小样本情形不讨论。
3、拒绝域和接受域的确定
(双侧检验 )
抽样分布
拒绝H0
/2
1 -
置信水平拒绝H0
/2
拒绝域
临界值
临界值
0 接受域
样本统计量拒绝域
关统计） 6、《红楼梦》后40回作者的鉴定（文学统计）。 7、民间借贷的利率为多少？（金融统计） 8、兴奋剂检测（体育统计）
1、假设检验的基本思想
为研究某山区的成年男子的脉搏均数是否高于一般成年男子脉搏均数，某医生在一山区随机抽查了25名健康成年男子，得其脉搏均数x为74.2次/分，标准差为6.0次/分。根据大量调查已知一般健康成年男子脉搏均数为72次/分，能否据此认为该山区成年的脉搏均数μ高于一般成年男子的脉搏均数μ0？
– 原假设为真时拒绝原假设
– 第Ⅰ类错误的概率记为
• 被称为显著性水平
• 2. 第Ⅱ类错误(取伪错误)
– 原假设为假时未拒绝原假设