正态总体的假设检验
正态总体均值的假设检验
2 用 分布
检验
下，若能求得检验统计量的 极限分布，依据它去决定临界值C.
例 1 (用例中数据,但未知)
n=10, =0.05, 0=10 t10-1(/2)=t9(0.025)=2.2622
X 10.05,S2 0.05, S 0.224 X 10 0.05 , 即未落入拒绝域为 S 10 2.262 0.160 S 10 2.262
抽取 样本
检验 假设
拒绝还是不能 拒绝H0
P(T W)=
类错误的概率， W为拒绝域
对差异进行定量的分析， 确定其性质(是随机误差 显著性 水平
还是系统误差. 为给出两 者界限，找一检验统计量T， 在H0成立下其分布已知.）
-----犯第一
一般说来，按照检验所用的统计量的分布, 分为 U 检验 用正态分布
以上检验法叫U检验法.
X ～tn 1 S/ n
0
于是当原假设 H0:μ =μ X 0 ～tn 1 S/ n
成立时,有:
X 0 P tn 1 2 S / n S 即P X 0 tn 1 n 2 S 拒绝域为 X 0 tn 1 n 2 以上检验法叫t检验法.
第八章 第二节
正态总体均值的假设检验
一、单个正态总体N(,2)均值的检验
(I) H0:μ = μ
0
H1:μ ≠ μ
0
设X1,X2, ,Xn为来自总体N(,2)的样本. 求:对以上假设的显著性水平=的假设检验. 方差2已知的情况
根据第一节例1,当原假设 H0:μ =μ , 有:
两个正态总体的假设检验
由样本观察值算出的 F 满足
F0.95 (9 , 9) 1 3.18 F 1.95 3.18 F0.05 (9 , 9) .
可见它不落入拒绝域，因此不能拒绝原假设 H0 ：σ12 = σ22 ，
从而认为两个总体的方差无显著差异。
注意：在 μ1 与 μ2 已知时，要检验假设 H0 ：σ12 = σ22 ，其
检验方法类同均值未知的情况，此时所采用的检验统计量是：
1 n1
2
(
X
)
i 1
n1 i 1
F
1 n2
2
(
Y
)
i 2
n2 i 1
其拒绝域参看表8-5。
( 2 )单边检验可作类似的讨论。
F0.05 (n1 , n2 ) .
8-5
概率学与数理统计
体的样本，且 μ1 与 μ2 未知。现在要检验假设 H0 ： σ2 = σ02 ；
H1： σ2 ≠ σ02 。在原假设 H0 成立的条件下，两个样本方差的
比应该在1附近随机地摆动，所以这个比不能太大又不能太小。
于是我们选取统计量
S12
F 2.
S2
( 8.21 )
显然，只有当 F 接近1时，才认为有 σ12 = σ22 。
10 10 2
18
由( 8.20 )式计算得
2.063 2.059
t0
3.3 .
0.0000072 (2 10)
对于 α =0.01，查自由度为18的 t 分布表得 t 0.005( 18 )=2.878。
由于| t0|=3. 3 > t 0.005( 18 )=2.878 ，于是拒绝原假设 H0 ：μ1 = μ2 。
数理统计17：正态总体参数假设检验
数理统计17：正态总体参数假设检验现在，我们对正态分布的参数假设检验进⾏讨论，这也是本系列的最后⼀部分内容。
由于本系列为我独⾃完成的，缺少审阅，如果有任何错误，欢迎在评论区中指出，谢谢！⽬录Part 1：基本步骤正态总体N (µ,σ2)参数的假设检验不外乎遵循以下的步骤：找到合适的统计量，⽤统计量的取值范围设计拒绝域。
假定原假设为真，考虑这个条件下统计量的分布。
根据统计量的分布，根据检验的⽔平要求设置拒绝域的边界值。
设计检验的核⼼在于假定原假设为真，这是因为检验的⽔平是基于弃真概率定义的，也就是说，要在第三步中写出检验的⽔平，就必须在H 0成⽴的情况下找出⼩概率事件的发⽣条件。
⽐如，对于均值的检验⼀共有三种：1.H 0:µ=µ0↔H 1:µ≠µ0;2.H 0:µ≥µ0↔H 1:µ<µ0;3.H 0:µ≤µ0↔H 1:µ>µ0.每⼀种⼜可以细分为⽅差σ2已知和⽅差σ2未知两种情况，但显然不论⽅差是否已知，最核⼼的统计量都应该是¯X，如果⽅差未知可能还要⽤到⽅差的替代：S 2。
以下，对于这三种问题，拒绝域分别应该是这样的：如果H 0被接受，则¯X 既不应该太⼤，也不应该太⼩，拒绝域的基础形式应该是{¯X >c 1}∪{¯X <c 2}.如果H 0被接受，则¯X 不应该太⼩，⽆论多⼤都可以，拒绝域的基础形式应该是{¯X <c }.如果H 0被接受，则¯X 不应该太⼤，⽆论多⼩都可以，拒绝域的基础形式应该是{¯X>c }.当然，这只是拒绝域的基础形式，实际情况下可能不⽌使⽤¯X，但基本思想应该是这样的。
对于⽅差的检验，则将检验统计量换成了S 2，或者均值已知情况下的离差平⽅和Q 2，步骤也和上⾯的差不多。
正态总体均值的假设检验
即认为元件的平均寿 命不大于 225小时。
二、两个正态总体均值差的检验（t 检验N）o:
Image
设X1,X2,,Xn1是 来 自 正 态 总 体 N(m1,s2)的 样 本Y；1,Y2,,Yn2是 来 自 正 态 总 体 N(m2,s2)的 样 本 ， 且 设 两 样 立本 。独 又 分 别 记 它 们
1)
s
2 2
10 10 - 2
= 2.775,
t0.05 (18) = 1.7341,
故拒绝域为：
T = X -Y
Sp
11 10 10
- t 0.05 (18 ) = -1.7341 ,
可算得 T = -4.295 < -1.7341 , 故拒绝 H 0 ,
即 认为新方法能提高得率。
已知总 例体服从2正态某分布地，且区方差大高致相考同，负由抽样责获得人资料想如下：知道某年来自城市中学考生
当H0成 立 时T，~ t(n1 n2 -2)， 对 于 给 定 a 的
P{|T |>ta/2(n1 n2 -2)}=a,
故 拒 绝 域 为|T |>t a/2(n1 n2 -2).
说明： 1. 对于单侧检验 “ H0 : m1 - m2 ≤ m0 ” 和 “ H0 : m1- m2 ≥ m0 ”, 可以类似地讨论。 常用的是 m0 = 0。 2. 对于两个正态总体的方差均为已知时,
的 样 本 均 值 X，Y为， 样 本 方 差 S12为 ,S22， 并 设 m1,m2,s2 均未知。
检验H： 0:m1-m2 =m0，H1:m1-m2 m0,
取统2
其
中
S2p
=
(n1
-1)S12 (n2 -1)S22 n1 n2 -2
正态总体参数的假设检验
578, 572, 570, 568, 572, 570, 570, 572, 596, 584 试判断新生产的铜丝的折断力有无提高(取α=0.05)?
解
H0 : 0 570 H1 : 0
用U检验法,这时拒绝条件为U u , 计算知 X 575.2,
U X 0 575.2 570 2.05 u u0.05 1.645
N (0,1) U u
| T | t / 2 T t T t
2法
2
2 0
2
2
2 0
2
2 0
2 0
2
(n 1)S 2
2 0
2
2 0
2
2 0
0
2
2 1
/
2
或
提出检验假设 H0 : p p 0 0.17 H1 : p 0
用大样本U 检验法,这时拒绝条件为|U| u / 2 将 n 400, x 56 / 400 0.14, p(1 p) 0.17(1 0.17) 0.376代入,得
| u |
U法
( 2已知)
0
0 0
0
T法
( 2未知)
0
0
假设H1
0 0 0
0 0 0
检验统计量
U X 0 / n
T X 0
S/ n
抽样分布 拒绝条件 A (P( A) )
9.2 正态总体参数的假设检验
一、一个正态总体参数的假设检验 二、非正态总体均值的假设检验 三、两个正态总体参数的假设检验 四、两个非正态总体均值的假设检验
§正态总体均值的假设检验
1 , 2 , 2 未知,
问新操作方法是否会增加钢的得率? (α=0.05)
解:
H 0 : 1 2 0,
n1 10, n2 10,
H 1 : 1 2 0
2 s1
x 76.23,
3.325,
y 79.43,
2 s2 2.225,
2 2 ( n 1 ) s ( n 1 ) s 2 1 2 2 sw 1 2.775, n1 n2 2
H1 : 0
(2) 选取检验统计量
X 0 Z n
在 H 0 成立的条件下， Z ~ N (0,1) (3) 给定的显著性水平α ,查正态分布表得临界值 z
2
P{ Z z 2 }
(4) 计算检验统计量与临界值比较；
(5) 拒绝域
x 0 z 2 , n
(1) 提出假设
H0 : 0 ,
H1 : 0
(2) 选取检验统计量
X 0 t S n
在 H 0 成立的条件下， t ~ t ( n 1) (3) 给定的显著性水平α ,找临界值
t 2 (n 1)
使
P{ t t 2 ( n 1)}
x 0 t 2 ( n 1), 下结论. s n
解：设两种方法处理后的羊皮含脂率分别为X 和Y，
X ~ N ( 1 , 2 ), Y ~ N ( 2 , 2 )
x 16.375, y 14.857,
sw 2.945,
H 0 : 1 2 0, H1 : 1 2 0
在H0成立下,
X Y T ~ t ( n1 n2 2) 1 1 SW n1 n2
正态总体均值的假设检验
假设检验
正态总体均值的假设检验
1.1 单个正态总体均值的假设检验
3．大样本单个正态总体均值的检验
设总体为 X ，它的分布是任意的，方差 2 未知， X1 ，X2 ， ，Xn 为 来自总体 X 的样本，H0 ： 0（ 0 已知）．当样本容量 n 很大（ n 30 ）
时，无论总体是否服从正态分布，统计量 t X 0 都近似服从正态分 S/ n
解 依题意，建立假设 由于 2 未知，故选取统计量
H0 ： 0 72，H1 ： 72 ． t X 0 ， S/ n
已知 0.05 ，故此检验问题的拒绝域为
W t | | t |
x 0
s/ n
t
/
2
(n
1)
．
又知 n 26，x 74.2，s 6.2，查表得 t /2 (25) t0.025 (25) 2.06 ，则有 | t | x 0 74.2 72 1.81 2.06 ， s/ n 6.2/ 26
解 依题意，建立假设 由于 2 未知，取检验统计量
H0 ： 0.8，H1 ： 0.8 ．
t X 0 ~ t(n 1) ， S/ n
已知 0.05 ，故此检验问题的拒绝域为
W t | t x 0 s/ n
t (n 1) ．
又知 n 16 ，x 0.92，s 0.32 ，查表得 t0.05 (16 1) t0.05 (15) 1.75，则有 t x 0 0.92 0.8 1.50 1.75 ， s/ n 0.32/ 16
假设检验 H0 ： 0 ，H1 ： 0 的拒绝域为 W {t | t t (n 1)}．
（7-8） （7-9）
假设检验
正态总体均值的假设检验
1.1 单个正态总体均值的假设检验
单个正态总体参数的假设检验
单个正态总体参数的假设检验1.提出假设：首先，我们需要提出关于总体参数的假设。
在单个正态总体参数的情况下，我们通常对总体的均值（μ）或标准差（σ）进行假设。
2.确定显著性水平：显著性水平（α）是一个事先设定的临界值。
根据显著性水平，我们可以决定接受还是拒绝原假设。
3.构建统计量：接下来，我们需要构建一个适当的统计量来判断总体参数的假设。
在单个正态总体参数的情况下，通常使用t统计量或z统计量。
4.计算统计量的值：根据样本数据，计算所选统计量的值。
如果使用t统计量，则需要计算样本均值和标准差；如果使用z统计量，则只需计算样本均值。
5.确定拒绝域：拒绝域是根据显著性水平和统计量的分布确定的。
根据统计量的值和拒绝域的临界值，我们可以决定是否拒绝原假设。
6.做出决策：根据统计量的值和拒绝域，我们可以做出决策：接受原假设或拒绝原假设。
下面以一个具体的例子来说明单个正态总体参数的假设检验。
假设我们要检验一些公司员工的平均工资是否等于5000元。
我们从公司中随机抽取了50个员工的工资数据，假设工资数据服从正态分布。
现在我们要进行假设检验。
1.假设提出：原假设（H0）：员工的平均工资等于5000元；备择假设（H1）：员工的平均工资不等于5000元。
2.显著性水平：我们设定显著性水平为0.053.构建统计量：由于样本量较大（n=50），我们可以使用z统计量。
z统计量的计算方法为（样本均值-总体均值）/（总体标准差/根号n）。
4.计算统计量的值：假设我们计算出样本均值为4950元，总体标准差为100元。
5.确定拒绝域：由于显著性水平为0.05，我们需要找出z值对应的临界值。
在标准正态分布表中查找z=1.96对应的值，并根据原假设的双侧检验找出拒绝域的范围。
6.做出决策：根据统计量的值和拒绝域的范围，我们可以判断是否拒绝原假设。
如果统计量的值落在拒绝域之外，我们将拒绝原假设，即认为员工的平均工资不等于5000元。
正态总体比例的假设检验
解题详细步骤见教材P226。
7
应用统计学
1
应用统计学
2
任务
正态总体比例的假设检验
一、一个总体比例的假设检验
根据棣莫佛—拉普拉斯中心极限定理，在大样本情况下，二项分布逼近 正态分布。所以，可以将这个问题转化为正态分布来处理，其检验统计量z 为
z p ～N(0 ，1) (1 )
n
（7-6）
p
式中，
——样本比例； ——总体比例的假设值。
解题详细步骤见教材P225。
4
任务
正态总体比例的假设检验
二、两个总体比例之差的假设检验
两个总体比例之差的假设检验与两个总体均值之差 的检验方法基本相同。单个总体的比例服从二项分布，
在大样本（或 np 5 ）情况下，二项分布逼近正态分
布。因此，在大样本情况下，两个总体比例之差服从正 态分布，可以证明两个样本的比例之差
3
任务
正态总体比例的假设检验
一、一个总体比例的假设检验
例【7-7】
一位关心环境保护的公共福利团体的发言人宣称：“在这个工业区域内， 遵守政府制定的空气污染标准法则的工厂不到60%”。但环境保护局的工程 师却相信至少有60%的工厂是遵守这个法则的，于是从这个工业区域内抽出 了60家工厂并发现33家是遵守空气污染标准法则的。现环保局想知道真正的 比率是否达到了60%？（ ）
即
p p1n1 p2n2
n1 n2
（7-7）
在大样本条件下z ，统计p1 量p2 z为 ～N(0，1)
p(1
p)
1 n1
1 n2
（7-8）
6
任务
正态总体比例的假设检验
8.2正态总体均值的假设检验
t t ( n1 n2 2).
x y 因为 t 4.295, 1 1 sw 10 10
t0.05 (18) 1.7341,
所以拒绝 H 0 ,
即认为建议的新操作方法较原来的方法为优.
例5 有甲、乙两台机床加工相同的产品, 从这两台机床加工 的产品中随机地抽取若干件, 测得产品直径(单位:mm)为 机床甲: 20.5, 19.8, 19.7, 20.4, 20.1, 20.0, 19.0, 19.9
X 0 P Z / n
拒绝域为 Z Z
或 H0： 0；H1：0
X 0 P Z / n
拒绝域为 Z Z
2、方差未知 问题：总体 X~N（，2），2未知 假设 H0：=0；H1：≠0 构造T统计量 T X 0 ~ t (n 1)
t检验 双边检验
X 0 由 P t 2 (n 1) S n 确定拒绝域 T t 2 (n 1) x 0 如果统计量的观测值 T t 2 (n 1) S n
则拒绝原假设；否则接受原假设
S
n
例2 化工厂用自动包装机包装化肥，每包重量服从正态 分布，额定重量为100公斤。某日开工后，为了确定包 装机这天的工作是否正常，随机抽取9袋化肥，称得平 均重量为99.978，均方差为1.212，能否认为这天的包 装机工作正常？（=0.1） 解 由题意可知：化肥重量X~N（，2），0=100 方差未知，要求对均值进行检验，采用T检验法。
得 k t / 2 (n1 n2 2).
故拒绝域为
( x y) t t / 2 ( n1 n2 2). 1 1 sw n1 n2
一个正态总体的假设检验
§2一．已知方差2σ, 检验假设：:Hμμ=（1）提出原假设：:Hμμ=(μ是已知数)（2）选择统计量：X U μ-=（3）求出在假设H 成立的条件下，确定该统计量服从的概率分布：(0,1)UN（4）选择检验水平α，查正态分布表（附表1），得临界值12u α- ，即12()X P uαμα-->=（5） 根据样本值计算统计量的观察值u ，给出拒绝或接受H 。
的判断： 当12u u α-> 时， 则拒绝H 。
；当12uuα-≤ 时， 则接受H 。
．【例1】某厂生产干电他，根据长期的资料知道，干电他的寿解：现取0.05α=，即1.96)0.05XP>=因而，拒绝原假设，即这批干电他的平均寿命不是200小时.【例２】P.191 ――例2.1（0.05α=，0.01）P.193――例2．2二．未知方差2σ, 检验假设：:Hμμ=：（1）提出原假设：:Hμμ=(μ是已知数)（2）选择统计量：XTμ-=（3）求出在假设H成立的条件下，确定该统计量服从的概率分布：(1)T t n -（4）选择检验水平α，查自由度为1n-的t-分布表（附表2），得临界值λ，即()XPμλα->=（5）根据样本值计算统计量的观察值t，且给出拒绝或接受H。
的判断：当tλ>时，则拒绝H。
；当t λ≤时，则接受H。
．【例2】 某糖厂用自动打包机包装糖，每包重量服从正态分布，其标准重量μ＝100斤．某日开工后测得9包重量如下：99.3， 98.7, 100.5，101.2， 98.3， 99.7， 99.5， 102.1，100.5， 问：这一天打包机的工作是否正常?(检验水平α=5％) 解：（０）计算样本均值与样本均方差：1.21S = （1）提出原假设：:100Hμ=（2）选择统计量：100X T -=（3）求出在假设H 成立的条件下，确定该统计量服从的概率分布： (8)T t（4）检验水平α=0.05，查自由度为８的t -分布表（附表2），得临界值2.36λ= ，即(2.36)0.05X P >=（5） 根据样本值计算统计量的观察值t=∴0.0552.36t =< 故接受原假设，即所打包机重量的总体的平均重量仍为100斤，也就是说打包机工作正常．【例3】 用一仪器间接测量温度5次1250，1265，1245，1260，1275(℃)．而用另一种精密仪器测得该温度为1277℃(可看作真值)，问用此仪器测温度有无系统偏差(测量的温度服从正态分布)？(参看 P.187 –-- 例1.2)则(4)Tt , 自由度＝1514n -=-=，。
单个正态总体参数的假设检验
单个正态总体参数的假设检验一、假设检验的基本概念假设检验是统计推断的一种方法，其基本思想是通过抽样来对总体参数进行推断，并判断总体参数是否满足其中一种假设。
在进行假设检验时，我们首先提出一个原假设（H0），这是一个既定的假设，表示总体参数满足其中一种特定的值或不满足其中一种特定的关系。
同时，我们还提出一个备择假设（H1），表示总体参数不满足原假设。
通过对样本数据的统计推断，我们可以对原假设进行拒绝或不拒绝的判断。
二、假设检验的步骤假设检验一般包括以下步骤：1.提出假设：根据问题的需求和背景条件，提出原假设和备择假设。
2.确定显著性水平：显著性水平（α）是指当原假设成立时，我们愿意犯第一类错误的概率。
一般情况下，我们常使用0.05作为显著性水平。
3.选择检验统计量：根据所需检验的问题，选择适当的检验统计量。
在单个正态总体参数的假设检验中，常用的检验统计量有Z检验和t检验。
4.计算检验统计量的观察值：根据样本数据计算出检验统计量的观察值。
5.根据显著性水平查找拒绝域：根据显著性水平和检验统计量的分布，查找拒绝域的临界值。
6.判断并作出结论：如果检验统计量的观察值落在拒绝域内，则拒绝原假设，否则不拒绝原假设。
三、应用领域1.药物临床试验：在新药物的临床试验中，可以通过对患者进行抽样，检验患者服用药物前后的药效差异是否显著，以判断药物的疗效。
2.市场调研：在市场调研中，可以通过对一定数量的顾客进行问卷调查，检验顾客对其中一种产品的满意度是否显著不同，以了解产品在市场中的竞争力。
3.品质控制：在生产过程中，可以通过抽样检验产品的质量是否符合设定的标准。
例如，食品加工厂可以通过抽样检验产品的营养成分是否达到设定的要求。
4.经济学研究：在经济学研究中，可以通过对一定数量的经济指标进行抽样，检验指标的差异是否显著，以判断宏观经济政策的有效性。
总结：单个正态总体参数的假设检验是统计学中一种重要的方法，通过对样本数据的统计推断，判断总体参数是否满足其中一种假设。
正态总体参数的假设检验
正态总体参数的假设检验 正态总体中有两个参数：正态均值与正态⽅差。
有关这两个参数的假设检验问题经常出现，现逐⼀叙述如下。
(⼀) 正态均值的假设检验 ( 已知情形) 建⽴⼀个检验法则，关键在于前三步l，2，3。
5.判断(同前) 注：这个检验法称为u检验。
(⼆) 正态均值的假设检验 ( 未知情形) 在未知场合，可⽤样本标准差s去替代总体标准差，这样⼀来，u统计量变为t统计量，具体操作如下： 1.关于正态均值常⽤的三对假设为 5.判断 (同前) 注：这个检验法称为t检验。
(三)正态⽅差的假设检验 检验正态⽅差有关命题成⽴与否，⾸先想到要⽤样本⽅差。
在基础上依据抽样分布特点可构造统计量作为检验之⽤。
具体操作如下： 1.关于正态⽅差常⽤的三对假设为 5.判断(同前) 注：这个检验法称为检验。
注：关于正态标准差的假设与上述三对假设等价，不另作讨论。
(四) ⼩结与例⼦ 上述三组有关正态总体参数的假设检验可综合在表1.5-1上，以供⽐较和查阅。
续表 [例1.5-2] 某电⼯器材⼚⽣产⼀种云母带，其厚度在正常⽣产下服从N(0.13，0.0152)。
某⽇在⽣产的产品中抽查了10次，发现平均厚度为0.136，如果标准差不变，试问⽣产是否正常?(取 =0.05)来源:考试通 解：①⽴假设：②由于已知，故选⽤u检验。
③~④根据显著性⽔平 =0.05及备择假设可确定拒绝域为{ >1.96}。
⑤由样本观测值，求得检验统计量： 由于u未落在拒绝域中，所以不能拒绝原假设，可以认为该天⽣产正常。
[例1.5-3] 根据某地环境保护法规定，倾⼊河流的废⽔中⼀种有毒化学物质的平均含量不得超过3ppm。
已知废⽔中该有毒化学物质的含量X服从正态分布。
该地区环保组织对沿河的⼀个⼯⼚进⾏检查，测定每⽇倾⼊河流的废⽔中该物质的含量，15天的记录如下(单位：ppm)3.2，3.2，3.3，2.9，3.5，3.4，2.5，4.3，2.9，3.6，3.2，3.0，2.7，3.5，2.9 试在⽔平上判断该⼚是否符合环保规定? 解：①如果符合环保规定，那么应该不超过3ppm，不符合的话应该⼤于3ppm。
正态总体均值的假设检验
拒绝域为 u u u0.05 1.645 ．
现在 u x 0 41.25 40 3.125 1.645 ， / n 2 / 25
即 u 的取值落在拒绝域中，所以在显著性水
平 = 0.05下拒绝 H0，接受 H1，即认为这
2
2 0
2 0
H0：
，H1：
．
其中
为已知常数．检验统计量
T
1
2 0
n
(Xi )2
i 1
~ 2 (n) .
对于给定的显著性水平 ，拒绝域为
t 12 / 2 (n) 或
t
2
/
2
(n)
．
上述检验的统计量服从 2 分布，称此种检
验为 2 检验，类似地可以进行单边检验（见表
右边检验的拒绝域为 t k ，左边检验的拒绝域为 t k ．
例2 某工厂生产的固体燃料推进器的燃烧率
服从正态分布 N (, 2 ), 40cm / s ， 2cm/ s ,
现在用新方法生产了一批推进器，从中抽取 n=25 只，测得样本均值为 x 41.25cm / s ．设在新方
二、两类错误
由于检验法则是依据样本作出的，因此假设 检验的结果可能犯两类错误：
第一类错误：当原假设H0为真时，作出的决 定却是拒绝H0，犯这类错误的概率记为 ，即
P{拒绝H0|H0为真}= ． 第二类错误：当原假设H0不正确时，作出的决定却是接受H0，犯这类错 误的概率记为 ，即
P{接受H0|H0不正确} = ．
在H0成立时，检验统计量
第二节 正态总体参数的检验
2
9
二、两个正态总体参数的假设检验
2 设 有 两 个 相 互 独 立 的 正 态 总 体 X ~ N ( µ1，σ 1 ) ,
Y ~ N ( µ 2，σ ) , 分别抽取独立的样本 ( X1 , X2 ,⋯, Xn1 ) 和
2
µ 第六章证明, X = ( (− , ) 第六章证明,若 χ 2 ~ Nn−1σS 证明 (2) 检验统计量 2
2 2 H 下 O χ1−α / 2(n−1) 2 0 )， 2 则
x
( n − 1) S
~ χ (n −1) ,
(4) 由样本值算得
χ的值； 的值；
2
则拒绝H 否则 不能 若 χ 2 < λ1 或 χ 2 > λ2 ，则拒绝 0 ； 否则, 拒绝H 拒绝 0 .
− tα / 2 ( n − 1) O
tα / 2 (n − 1)
x
~
(4) 由样本值算得 t 的值； 的值； 则拒绝H 如果 | t |> tα 2 (n − 1) ,则拒绝 0 ； 否则, 不能拒绝H 否则 不能拒绝 0 .
5
两家生产同一类产品， 例2 两家生产同一类产品，其质量指标假定都服从正 态分布，标准规格为均值等于120.现从甲厂抽出5 120.现从甲厂抽出 态分布，标准规格为均值等于120.现从甲厂抽出5件 产品,测得其指标值为119,120,119.2,119.7,119.6; 产品,测得其指标值为119,120,119.2,119.7,119.6; 从乙厂也抽出5件产品,测得其指标值为110.5,106.3, 从乙厂也抽出5件产品,测得其指标值为110.5,106.3, 122.2,113.8,117.2。 122.2,113.8,117.2。试判断这两家厂的产品是否符 合标准. 合标准. (α = 0.05 )
7.2正态总体的参数假设检验
∵ X ~ N(µ,σ )，
2
σ2 ) ∴X ~ N(µ, n
X − µ0
当H0 为真 时， 利用 统计 u = 量 这 种检 验法 称为u 检验 . 法
σ/ n
~ N(0,1)来 确定 绝域 , 拒 的
由于µ的点估计是x ,
当H 0：µ = µ 0 为真时，
当 x − µ 0 ≥ k , 拒绝H 0
10.9 10.6 10.8 10.5 10.7 10.2 10.7 假定切割的长度服从正态分布, 假定切割的长度服从正态分布 且标准差没有变 试问该机工作是否正常? 化, 试问该机工作是否正常 (α = 0.05)
解 依题意 X ~ N ( µ ,σ 2 ), µ ,σ 2均为未知,
要检验假设 H 0 : µ = 10.5, H 1 : µ ≠ 10.5,
一个有用的结论
α , 当显著性水平均为 时
检验问题 H 0 : µ ≤ µ 0 , H 1 : µ > µ 0 和 检验问题 H 0 : µ = µ 0 , H 1 : µ > µ 0
有相同的拒绝域. 有相同的拒绝域
练习：346页6（1）
(3) 假设检验H0 : µ ≥ µ0 , H1 : µ < µ0 .
P( X − µ0 ≤ −k) = P(u = X − µ0
σ/ n
≤
−k
σ/ n
) =α
σx , 当H ：µ ≥ µ 为真时， n 由于µ的点估计是 σ σ uα 则x ≤ µ 0 k+拒绝H = µ 0 − u1−α 当x − µ ≤ − ,
0 0
拒绝域为
−k
= uα 即u ≤ uα
0
0
n
n
正态总体中参数的假设检验
正态总体中参数的假设检验正态总体参数的假设检验是统计推断中的一种方法，用于判断总体参数是否符合我们的假设。
下面将详细介绍正态总体参数的假设检验原理和步骤。
一、假设检验原理正态总体参数的假设检验是通过收集样本数据，计算样本统计量来推断总体参数的方法，其中包括均值和标准差。
在进行正态总体参数的假设检验时，我们首先假设总体参数的值，并设立一个零假设和一个备择假设。
其中零假设（H0）是我们希望证伪的假设，备择假设（H1）是我们希望证明的假设。
然后，我们根据样本数据计算得到样本统计量，比如样本均值和样本标准差，并将其与假设中的总体参数进行比较。
通过计算假设检验统计量的值，我们可以判断是否拒绝零假设，即总体参数是否符合我们的假设。
二、假设检验步骤1.确定假设：我们首先需要确定我们要研究的总体参数是均值还是标准差，并设立零假设和备择假设。
通常情况下，零假设是总体参数等于一些特定值，备择假设可以是总体参数大于、小于或者不等于该特定值。
2.收集样本数据：我们需要从总体中取得一个样本，并记录相应的观测值。
3.计算样本统计量：根据样本数据，我们可以计算得到样本均值和样本标准差。
4.计算假设检验统计量：根据样本数据和零假设中的总体参数值，我们可以计算得到假设检验统计量的值，该值用于判断是否拒绝零假设。
5.设定显著性水平：我们需要设定一个显著性水平，通常为0.05或0.01、显著性水平表示拒绝零假设的程度，如果得到的结果小于显著性水平，则可以拒绝零假设。
6.判断拒绝或接受零假设：根据计算得到的假设检验统计量的值与临界值进行比较，如果假设检验统计量的值小于临界值，则拒绝零假设；如果假设检验统计量的值大于等于临界值，则接受零假设。
7.得出结论：根据拒绝或接受零假设的结果，我们可以得出总体参数是否符合我们的假设。
三、举例说明假设我们要研究厂生产的产品的重量是否符合标准，假设标准重量为500克。
我们收集了一个包含30个产品的样本，并计算得到样本的平均重量为495克，标准差为10克。
正态总体参数假设检验公式
正态总体参数假设检验公式正态总体参数假设检验，这可是统计学里挺重要的一块知识呢！咱先来说说啥是正态总体。
简单来讲，就是一堆数据形成的分布，长得像个“钟形”，两边低中间高，挺对称的那种。
那为啥要对正态总体的参数进行假设检验呢？比如说，咱们想知道某个班级学生的考试成绩是不是符合某种预期，或者工厂生产的零件尺寸是不是在规定的范围内。
这时候，就需要用假设检验的公式来判断啦。
假设检验的公式有好几个，咱先来说说关于均值的。
比如说，有一个总体的均值我们假设是μ0，然后从这个总体里抽了个样本，算出样本均值是x，样本标准差是 s 。
这时候，就可以用 t 检验的公式：t = (x - μ0) / (s / √n) 。
这里的 n 是样本的数量。
我给您讲个我遇到的真事儿吧。
有一次，我去一个工厂，他们生产一种零件，标准的长度应该是10 厘米。
我随机抽了50 个零件来测量，算出来样本均值是 9.8 厘米，样本标准差是 0.5 厘米。
然后我就用这个t 检验的公式来算算，看这批零件的长度是不是跟标准的有显著差别。
再来说说关于方差的假设检验。
比如说，我们想知道一个总体的方差是不是等于某个值σ0² ，这时候就要用到卡方检验的公式啦。
假设检验可不是随便乱用的哦，得先搞清楚一些条件。
比如说，样本是不是独立的呀，是不是来自正态总体呀等等。
而且，在实际应用中，可不能光套公式，得理解背后的原理。
就像刚才说的工厂零件的例子，如果不理解为啥要这么做，就算算出结果来，也不知道到底意味着啥。
总之，正态总体参数假设检验公式是个很有用的工具，但要用好它，得下点功夫，多练习，多琢磨。
希望您在学习和使用这些公式的时候，能顺顺利利的，别被它们给难住啦！。
正态总体参数假设检验
嘉兴学院
第七章 假设检验
第18页
7.2.2 两个正态总体均值差的检验 检验 法 u检 验 t检 验 条 件 原假 设 备择 假设 检验统 计量 拒绝域
已 知
未 知
嘉兴学院
16 July 2012
第七章 假设检验
第19页
大样 本检 u验 近似 t检 验
未知 m,n充 分大 未知 m,n不 很大
16 July 2012
嘉兴学院
第七章 假设检验
第4页
(a)
16 July 2012
(b)
(c)
嘉兴学院
第七章 假设检验
第5页
该检验用 u 检验统计量，故称为u 检验。 下面以 由 为例说明： 可推出具体的拒绝域为
该检验的势函数是 的函数，它可用正态分布 写出，具体为
16 July 2012
16 July 2012
16.2 16.4 15.8 15.5 16.7 15.6 15.8 15.9 16.0 16.4 16.1 16.5 15.8 15.7 15.0
嘉兴学院
第七章 假设检验
第30页
这是两正态总体方差之比的双侧假设检验问题， 待检假设为 此处 m=7，n=8，经计算
于是 查表知 ，若取 =0.05，
通常 , 均未知，记 , 分别是由 算得的 的无偏估计和由 算得的 的无偏估计.
16 July 2012
嘉兴学院
第七章 假设检验
第28页
可建立检验统计量: 三种检验问题对应的拒绝域依次为
或
16 July 2012
}。
嘉兴学院
第七章 假设检验
第29页
例7.2.5 甲、乙两台机床加工某种零件，零件 的直径服从正态分布，总体方差反映了加工 精度，为比较两台机床的加工精度有无差别， 现从各自加工的零件中分别抽取7件产品和8 件产品，测得其直径为 X (机 床甲) Y (机 床乙)
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
n
(Xi μ)2
P { i1
σ
2 0
χ
2 1
α 2
(
n)}
P{
i 1
σ
2 0
χ
2
α
(
n)}
α
2
所以拒绝域为： W
{
χ2
χ
2 1
α 2
(
n)
，χ
2
χ
2
α
(n)
}
2
2. μ未知时，总体方差σ2的假设检验 χ2 检验法
类型 原假设 备择假设
H0
H1
检验统计量
双边 检验
σ2
σ
2 0
σ2
得s=0.007欧姆.设总体服从正态分布，参数均未知，
问在显著性水平α=0.05下，能否认为这批导线的
标准差显著地偏大？
解: s2 0.0072 0.0052
原假设 H 0 : σ 2 0.0052，备择假设 H1 : σ 2 0.0052
检验统计量： χ 2 (n 1)S 2
σ2
拒绝域：
第二节 正态总体的假设检验
一、单一正态总体均值μ的假设检验
二、单一正态总体方差σ2的假设检验 三、两个正态总体均值的假设检验 四、两个正态总体方差的假设检验
一、单一正态总体均值μ的假设检验
设总体X~N (, 2). X1 , X2 , … , Xn是取自X的样本，
样本均值 X样，本方差S2
1．已知
T t（α n 1）
例1. 设某次考试的考生的成绩服从正态分布，从中随
机地抽取36位考生的成绩，算得平均成绩为66.5分，标 准差为15分，问在显著性水平0.05下，是否可以认为在 这次考试中全体考生的平均成绩为70分？
解： 原假设 H0 : μ 70， 备择假设 H1 : μ 70
检验统计量： T X μ0
n)
2
χ2
χ
2 α
(n)
χ2
χ
2 1α
(n)
推导（双边检验情形） ：
当H0为真时，
χ2
i
n 1
X i μ0 σ0
2
~
χ 2 (n)
此时，因为 1 n ( X i μ0 )2 是σ2的无偏估计量,
n i1
σ0
拒绝域应表现为 χ 2 n ( X i μ0 )2偏小或偏大，
i 1
σ0
P{拒n绝H0|H0为真}
双边 检验
原假设 H0
1 2
单边 检验
1 2 1 2
备择假设 检验统计量 H1
1 2 1 > 2 1 < 2
U X Y
σ12
σ
2 2
n1 n2
拒绝域
U zα
2
U zα
U zα
2．σ12
，σ
2未知，但
2
σ12
σ
2 2
时，总体均值的假设
检验
T 检验法
类型 原假设 备择假设 检验统计量
H0
检验统计量： T
11
n1 n2
X Y
(n1
1)S12
(n2
1)
S
2 2
n1 n2 2
拒绝域： W { T t（α n1 n2 2）}
2
n1 7， x 140.7143， s12 6.5714，
n2 6， y 138.5
s22 7.1
α=0.10
t（α n1 n2 2） t0.0（5 11） 1.7989
Sn
拒绝域： W { T t（α n 1）}
2
n=36， α=0.05，
tα / 2 (n 1) t0.025 (35) 2.0301
W { T tα / 2 (n 1)} {| T | 2.0301} t x μ0 66.5 70 1.4 2.0301
s n 15 / 36
W {U zα } {U 1.645}
u x μ0 0.088 0.095 1.5652 1.645 σ0 / n 0.02 / 20
因为 u W ， 所以接受H0，
在显著性水平0.05下，认为调整后机床加工轴 的椭圆度的均值无显著降低.
例3.某种电子元件，要求使用寿命不得低于1000
第一批：140，138，143，142，144，137，141
第二批：135，140，142，136，138，140.
设这两个相互独立的总体都服从正态分布，且方差相同，
试判断这两批学生的平均身高是否相等（α=0.10 ）。
解: 原假设 H 0 : μ1 μ2 ， 备择假设 H1 : μ1 μ2 ，
有无显著降低？ (α 0.05)
解: x 0.088 0.095
原假设H 0 : μ 0.095， 备择假设H1 : μ 0.095
由σ2 =0.022知，检验统计量为 U X μ0
拒绝域： W {U zα }
σ0 / n
n=20，α=0.05， zα z0.05 1.645
H1
拒绝域
双边 1 2
检验
单边 1 2
检验
1 2
1 2 1 > 2 1 < 2
T (X Y ) 11 n1 n2 Sw
S
2 w
(n1
1)S12
(n2
1)
S
2 2
n1 n2 2
T t（α n1 n2 2）
2
T t（α n1 n2 2）
T t（α n1 n2 2）
例6.测得两批小学生的身高（单位：厘米）为：
因为 t W 所以接受H0，
在显著性水平0.05下，可以认为在这次考试 中全体考生的平均成绩为70分。
例2.一台机床加工轴的椭圆度 X 服从正态分布
N(0.095,0.022）（单位：mm)。机床经调整后随机取
20根测量其椭圆度，算得 x 0.088 mm 。已知总
体方差不变，问调整后机床加工轴的椭圆度的均值
解: x 174.34，y 172.42， x y，
原假设 H 0 : μ1 μ2 ， 备择假设 H1 : μ1 μ2 ，
σ12 5.352 ，
σ
2 2
6.112 ，
检验统计量： 拒绝域：
U X Y
σ12
σ
2 2
n1 n2
W {U zα }
α 0.05， zα z0.05 1.645
拒绝域： W {U zα }
σ0 / n
n=25 ， α=0.05， zα z0.05 1.645
W {U zα } {U 1.645}
u x μ0 950 1000 2.5 1.645 σ0 / n 100/ 25
因为 u W 所以拒绝H0，
在显著性水平0.05下，认为这批元件不合格.
统计中把拒绝域在某个区间的某一侧的检验称为单
边检验（这里是区间 （ zα，zα） 的某一侧）
这里由于使用的是服从正态分布的 U 统计量来 进行检验，也称为U 检验法（或正态检验法）。
U 检验法 (02已知)
类型
双边 检验
原假设 H0
0
单边 检验
0 0
备择假设 H1
0
> 0
< 0
检验统计量 U X μ0
二、单一正态总体方差σ2的假设检验
1．已知 μ μ0 时，总体方差σ2的假设检验
χ2 检验法
类型 原假设 备择假设
H0
H1
检验统计量
双边
检验
σ2
σ
2 0
σ2
σ
2 0
单边
σ2
σ
2 0
σ2
σ
2 0
检验
σ2
σ
2 0
σ2
σ
2 0
χ2
n
i 1
Xi σ0
μ0
2
拒绝域
χ2
χ
2 1
α
(
n)
2
χ2
χ
2
α
(
三、两个正态总体均值的假设检验
X1 , X 2 , , X n1
为取自总体
N
(
1
2 1
)
的样本,
Y1 ,Y2 , ,Yn2
为取自总体 N
(
2
2 2
)
的样本,
且两总体相互独立。
X , S12 ;
Y
,
S
2 2
分别表示两样本的样本均值与样本方差
1．已知
σ12
，σ
2 2
时，总体均值的假设检验
U 检验法
类型
P{拒绝H0|H0为真} P ( X μ0 k μ μ0 )
P{| X μ0 | k } P{| U | k } α
σ0 n σ0 n
σ0 n
所以
k σ0
n zα/2，
即： P{| U | zα / 2 } α
由此知，拒绝域为： W {| U | zα / 2 }
统计中把拒绝域在某个区间的两侧的检验称为双边 检验（这里是区间（ zα / 2，zα / 2）的两侧） (2) μ的单边检验：
(a) 原假设 H 0 : μ μ0 ， 备择假设 H1 : μ μ0
检验统计量： 拒绝域为：
U X μ0 σ0 n
W {U zα }
（证明略）
(b) 原假设 H 0 : μ μ0 ， 备择假设 H1 : μ μ0
检验统计量： 拒绝域为：
U X μ0 σ0 n
W {U zα }
16.919
W { χ 2 3.325，χ 2 16.919}
2
s2 87.6823
χ2Biblioteka (n1)S σ22