假设检验

抽样抽到概率发生最大的事件是公理，频率的随着实验次数的增大而渐渐变地稳定，也就是抽样次数近于无穷，其抽取样本的分布无限接近概率分布。

将抽样值置于检验统计量中，检验统计量通常将其构造为已知分布的分布。
所以，很合理地认为带有抽样量的检验统计量应该落在已知分布的大概率区域，
如果，得出的检验统计量若在小概率区域，则可以合理认为假设不靠谱。

上面是随便一个网图，正态分布的。
如果已知其样本的方差为$\sigma$和分布为正态分布，对期望进行假设为$\mu_0$
只简述双边检验

$$H_0:\mu=\mu _0$$
如果假设不成立则：
$$H1:\mu \neq \mu_0$$

设定检验统计量

$$Z=|\frac{\bar x-\mu_0} {\sigma/\sqrt{n}}|$$
此量服从正态分布 $Z \sim N(0,1)$

标准正态分布的分布函数是已知的，可以随机取一个小概率事件，如果量落在这个小概率区域内，则假设不靠谱。小区域总概率为$\alpha$,称为显著性水平，通常$\alpha$很小，为0.02，0.05，如果假设成立可以认为假设很大可能是对的，也就是估计的差不多。可信概率是$1-\alpha$,术语称置信水平。

$\phi(Z \geq z_{\alpha/ 2})=\alpha$