【通俗向】假设检验（二）：μ检验

还是看一个栗子：

小明想了想在企业里上班没啥意思，还是出来报效祖国当兵吧，于是告别了心爱的小花，去了某陆军学校准备深造。但是看到当兵要求，发现非常严格的指明体重只要90kg以下，上下不能超过2kg，小明看了看自己的体重，95kg感觉没戏了，但是天无绝人之路，对于当兵的体重只是抽查，因为也实在没有那么多精力进行一个一个排查。小明准备滥竽充数一下。毕竟整体新入学的人有1000人，小明想了想，抽到自己的概率也就是1/1000，远远小于1%，可以认为是不可能事件。

然而上级突然想要开始巡查体重了，但是也是抽样调查，但是这次一次抽取50个人，直接放到一个特别大的秤上一起站着秤，然后取50个人的均值就可以，这个活动每周进行一次。

以上就是μ检验的一个案例。

简单来说，就是对样本均值的一个估计，看是否和总体均值相等的一个检验。之前的约会案例其实是简单的对于某一个事件进行估计，看这件事情的概率是大还是小，而现在是对样本的均值进行估计，看样本均值等于总体均值的概率是大还是小。本质是一样的，可以认为样本均值=需要检测的值；总体均值=锚定值。

那么问题来了，样本均值和总体均值之间有什么关系呢？答案是抽样估计的均值呈现以总体均值为均值（绕口令get），总体方差/n为方差的正态分布，即中心极限定理。

举个例子，还是二项分布的例子（正态分布是二项分布N趋向于无穷的连续近似）；

1、比如抛4次硬币，其中有n面向上的二项分布图：