之前的t分布、正态分布等内容,都是样本推断总体的方法。
用样本指标估计总体指标,其结论有的完全可靠,有的只有不同程度的可靠性,需要进一步加以检验和证实。
通过检验,对样本指标与假设的总体指标之间是否存在差别作出判断:是否接受原假设。
这里必须明确,进行检验的目的不是怀疑样本指标本身是否计算正确,而是为了分析样本指标和总体指标之间是否存在显著差异。
从这个意义上,假设检验又称为显著性检验。
所有的假设检验都是建立在原假设基础之上,对原假设进行的推论进行检验。
PPT上的一个例子:
一个工厂,生产包装,标准的质量应该是0.5kg。所生产的包装的质量服从正态分布。工作人员采集了9个样本,平均值是0.5090kg,样本方差是0.015^2.那么,需要我们推断一下,这个机器工作的是否正常或者说合格?
其实问题在于,用上述样本估计出的总体特征值(也即是包装质量的总体平均值)是不是接近0.5kg?
这里就又衍生出一个问题,接近0.5kg到底是什么意思?