参数假设检验

---

一、基本思想

​ 无论是怎样的假设，假设检验的思想是一样的，就是所谓概率性质的反证法。其根据是实际推断原理：小概率事件在一次试验中是几乎不可能发生的。进一步讲，要检验某假设H₀，先假设H₀正确，在此假设下构造某一事件A，它在H₀正确的条件下概率很小，例如$P(A|H_0)=\alpha (=0.05)$。现在进行一次实验，如果A事件发生了，也就是说小概率事件在一次实验中居然发生了，这与实际推断原理相矛盾，这表明“假定H₀为正确”是错误的，因而拒绝H₀；反之，如果小概率事件没有发生，我们就没有理由拒绝H₀，通常就接受H₀。

---

二、两类错误

​ 从主观上讲，我们总希望经过假设检验，能作出正确的判断，即若H₀确实为真，则接受H₀；若H₀确实为假，则拒绝H₀。但在客观上，我们是根据样本所确定的统计量的值来推断的，由于样本的随机性，在推断时就不免要犯错误。

• 第一类错误——弃真：$\alpha =P(拒绝H_0|H_0为真)$
• 第二类错误——取伪：$\beta =P(接受H_0|H_0为假)$

​ 我们当然希望犯两类错误的概率都很小，但是在样本容量固定时是办不到的。通常把解决这一问题的原则简化成只对第一类错误的最大概率α加以限制，而不考虑犯第二类错误的概率β。这种统计假设检验问题称为显著性检验，并将犯第一类错误的最大概率α称为假设检验的显著性水平。

​ 在一个假设检验问题中，拒绝原假设H₀的最小显著性水平称为检验的p值。

---

三、检验步骤

1. 提出原假设H₀与备择假设H₁；
2. 选择检验统计量W并确定其分布；
3. 在给定的显著性水平下，确定H₀关于统计量W的拒绝域；
4. 算出样本点对应的检验统计量的值；
5. 判断：若统计量的值落在拒绝域内，则拒绝H₀，否则接受H₀。

---

四、一个总体参数的检验

总体均值的检验

1、方差已知时μ的检验：z检验
$$z=\frac{\overline{X}-{\mu }_0}{{\sigma }_0/\sqrt{n}}\sim N(0,1)$$

2、方差未知时μ的检验：t检验
$$t=\frac{\overline{X}-{\mu }_0}{S/\sqrt{n}}\sim t(n-1)$$

总体比例的检验

​ X 1 , . . . , X n X_1,...,X_n X1​,...,X