学习笔记——概率论与数理统计(第八章)
学习来源:https://www.bilibili.com/video/av36206436/
第八章 假设检验
8.1 基本概念
8.1.1 假设检验问题
总体的分布未知:
- 分布类型未知(非参数假设 → 非参数假设检验) 分布类型未知(非参数假设 \rightarrow非参数假设检验) 分布类型未知(非参数假设→非参数假设检验)
- 参数未知(参数假设 → 参数假设检验) 参数未知(参数假设 \rightarrow参数假设检验) 参数未知(参数假设→参数假设检验)
8.1.2 假设检验基本概念
- 假设(参数假设/非参数假设)
- 假设检验(检验假设成立与否)(参数假设检验/非参数假设检验)
- 假设检验问题(显著性假设检验问题 H 0 对 H 1 假设检验问题) 假设检验问题(显著性假设检验问题H_0对H_1假设检验问题) 假设检验问题(显著性假设检验问题H0对H1假设检验问题)
8.1.3 假设检验的思想与步骤
思想
构造统计量
⟹
在
H
0
成立时
T
的分布已知
构造统计量 \displaystyle\overset{在H_0成立时}{\Longrightarrow}T的分布已知
构造统计量⟹在H0成立时T的分布已知
检验法则
⟺
P
(
T
∈
I
)
=
α
(小概率)
检验法则 \Longleftrightarrow P(T\in I)=\alpha(小概率)
检验法则⟺P(T∈I)=α(小概率)
P
(
(
X
1
,
⋯
,
X
n
)
∈
W
)
=
α
(
H
0
的拒绝域)
P((X_1,\cdots,X_n)\in W)=\alpha(H_0的拒绝域)
P((X1,⋯,Xn)∈W)=α(H0的拒绝域)
P
(
(
X
1
,
⋯
,
X
n
)
∈
W
‾
)
=
1
−
α
(
H
0
的接受域)
P((X_1,\cdots,X_n)\in \overline{W})=1-\alpha(H_0的接受域)
P((X1,⋯,Xn)∈W)=1−α(H0的接受域)
步骤
第一步:
提出
H
0
与
H
1
提出H_0与H_1
提出H0与H1
第二步:
假定
H
0
成立,取统计量
T
∼
已知分布
假定H_0成立,取统计量T\sim已知分布
假定H0成立,取统计量T∼已知分布
第三步:
给
α
找到拒绝域
P
(
(
X
1
,
⋯
,
X
n
)
∈
W
)
=
α
给\alpha找到拒绝域P((X_1,\cdots,X_n)\in W)=\alpha
给α找到拒绝域P((X1,⋯,Xn)∈W)=α
第四步:
由样本
(
x
1
,
⋯
,
x
n
)
求出
T
的值,若
(
x
1
,
⋯
,
x
n
)
∈
W
⟹
拒绝
H
0
;若
(
x
1
,
⋯
,
x
n
)
∈
W
‾
⟹
接受
H
0
由样本(x_1,\cdots,x_n)求出T的值,若(x_1,\cdots,x_n)\in W\Longrightarrow拒绝H_0;若(x_1,\cdots,x_n)\in \overline{W}\Longrightarrow接受H_0
由样本(x1,⋯,xn)求出T的值,若(x1,⋯,xn)∈W⟹拒绝H0;若(x1,⋯,xn)∈W⟹接受H0
8.1.4 两类错误
第一类错误:弃真
P
(
拒绝
H
0
∣
H
0
为真
)
=
α
P(拒绝H_0|H_0为真)=\alpha
P(拒绝H0∣H0为真)=α
第二类错误:纳伪
P
(
接受
H
0
∣
H
0
为假
)
=
β
P(接受H_0|H_0为假)=\beta
P(接受H0∣H0为假)=β
确保 α 的前提下尽可能减小 β 确保\alpha的前提下尽可能减小\beta 确保α的前提下尽可能减小β
8.2 一个正态总体的参数假设检验
8.2.1 μ \mu μ的假设检验
提出假设:
H
0
:
μ
=
μ
0
,
H
1
:
μ
≠
μ
0
H_0:\mu=\mu_0,H_1:\mu\not=\mu_0
H0:μ=μ0,H1:μ=μ0
H
0
:
μ
≤
μ
0
,
H
1
:
μ
>
μ
0
H_0:\mu\leq\mu_0,H_1:\mu>\mu_0
H0:μ≤μ0,H1:μ>μ0
H
0
:
μ
≥
μ
0
,
H
1
:
μ
<
μ
0
H_0:\mu\geq\mu_0,H_1:\mu<\mu_0
H0:μ≥μ0,H1:μ<μ0
U检验法: σ 2 = σ 0 2 已知,检验 H 0 : μ = μ 0 \sigma^2=\sigma_0^2已知,检验H_0:\mu=\mu_0 σ2=σ02已知,检验H0:μ=μ0
(以双侧检验为例)
第一步:
H
0
:
μ
=
μ
0
,
H
1
:
μ
≠
μ
0
第一步:H_0:\mu=\mu_0,H_1:\mu\not=\mu_0
第一步:H0:μ=μ0,H1:μ=μ0
第二步:假定
H
0
成立,
X
∼
(
μ
0
,
σ
0
2
)
第二步:假定H_0成立,X\sim(\mu_0,\sigma_0^2)
第二步:假定H0成立,X∼(μ0,σ02)
取统计量
U
=
X
‾
−
μ
σ
0
μ
∼
N
(
0
,
1
)
取统计量\displaystyle U=\frac{\overline{X}-\mu}{\displaystyle\frac{\sigma_0}{\mu}}\sim N(0,1)
取统计量U=μσ0X−μ∼N(0,1)
第三步:给定
α
,由
P
{
∣
U
∣
>
u
α
2
}
=
α
,查表得
u
α
2
第三步:给定\alpha,由\displaystyle P\{|U|>u_{\frac{\alpha}{2}}\}=\alpha,查表得u_{\frac{\alpha}{2}}
第三步:给定α,由P{∣U∣>u2α}=α,查表得u2α
拒绝域:
W
=
{
(
x
2
,
⋯
,
x
n
)
∣
∣
u
∣
>
u
α
2
}
拒绝域:W=\{(x_2,\cdots,x_n)||u|>u_{\frac{\alpha}{2}}\}
拒绝域:W={(x2,⋯,xn)∣∣u∣>u2α}
第四步:计算 U 的值 ∣ u ∣ 与 u α 2 比较,下结论——若 ∣ u ∣ > u α 2 ,拒绝 H 0 ;若 ∣ u ∣ < u α 2 ,接受 H 0 ;若 ∣ u ∣ = u α 2 ,为慎重起见,再抽样,再检验。 第四步:计算U的值|u|与u_{\frac{\alpha}{2}}比较,下结论——若 |u|>u_{\frac{\alpha}{2}},拒绝H_0;若|u|<u_{\frac{\alpha}{2}},接受H_0;若|u|=u_{\frac{\alpha}{2}},为慎重起见,再抽样,再检验。 第四步:计算U的值∣u∣与u2α比较,下结论——若∣u∣>u2α,拒绝H0;若∣u∣<u2α,接受H0;若∣u∣=u2α,为慎重起见,再抽样,再检验。
T检验法: σ 2 未知,检验 H 0 : μ ≠ μ 0 \sigma^2未知,检验H_0:\mu\not=\mu_0 σ2未知,检验H0:μ=μ0
.(以双侧检验为例)
第一步:提出
H
0
:
μ
=
μ
0
,
H
1
:
μ
≠
μ
0
第一步:提出H_0:\mu=\mu_0,H_1:\mu\not=\mu_0
第一步:提出H0:μ=μ0,H1:μ=μ0
第二步:假定 H 0 成立,取 T = X ‾ − μ 0 s n ∼ t ( n − 1 ) 第二步:假定H_0成立,取\displaystyle T=\frac{\overline{X}-\mu_0}{\frac{s}{\displaystyle\sqrt{n}}}\sim t(n-1) 第二步:假定H0成立,取T=nsX−μ0∼t(n−1)
第三步:给定
α
,由
P
(
∣
T
∣
>
t
α
2
(
n
−
1
)
)
=
α
第三步:给定\alpha,由\displaystyle P(|T|>t_{\frac{\alpha}{2}}(n-1))=\alpha
第三步:给定α,由P(∣T∣>t2α(n−1))=α
拒绝域
W
=
{
(
x
1
,
⋯
,
x
n
)
∣
∣
t
∣
>
t
α
2
(
n
−
1
)
}
拒绝域W=\{(x_1,\cdots,x_n)||t|>t_{\frac{\alpha}{2}}(n-1)\}
拒绝域W={(x1,⋯,xn)∣∣t∣>t2α(n−1)}
第四步:计算
T
的值,与
t
α
2
(
n
−
1
)
比较,下结论
第四步:计算T的值,与t_{\frac{\alpha}{2}}(n-1)比较,下结论
第四步:计算T的值,与t2α(n−1)比较,下结论
8.2.2 σ 2 σ^2 σ2的假设检验
χ 2 检验法: μ = μ 0 已知,检验 σ 2 = σ 0 2 χ^2检验法:\mu=\mu_0已知,检验\sigma^2=\sigma_0^2 χ2检验法:μ=μ0已知,检验σ2=σ02
(以双侧检验为例)
第一步:
H
0
:
σ
2
=
σ
0
2
,
H
1
:
σ
0
≠
σ
0
2
第一步:H_0:\sigma^2=\sigma_0^2,H_1:\sigma_0\not=\sigma_0^2
第一步:H0:σ2=σ02,H1:σ0=σ02
第二步:假定
H
0
成立,
X
∼
N
(
μ
0
,
σ
0
2
)
,
X
1
,
⋯
,
X
n
为样本
第二步:假定H_0成立,X\sim N(\mu_0,\sigma_0^2),X_1,\cdots,X_n为样本
第二步:假定H0成立,X∼N(μ0,σ02),X1,⋯,Xn为样本
取统计量
χ
2
=
∑
i
=
1
n
(
X
i
−
μ
0
)
2
σ
0
2
∼
χ
2
(
n
)
取统计量\displaystyle\chi^2=\frac{\sum\limits_{i=1}^{n}(X_i-\mu_0)^2}{\sigma_0^2}\sim\chi^2(n)
取统计量χ2=σ02i=1∑n(Xi−μ0)2∼χ2(n)
第三步:给定 α ,由 P ( χ 2 > χ α 2 2 ( n ) = P ( χ 2 > χ 1 − α 2 2 ( n ) ) = α 2 ,查表得 χ α 2 2 ( n ) , χ 1 − α 2 2 ( n ) 拒绝域 W = { χ 2 > χ α 2 2 ( n ) 或 χ 2 < χ 1 − α 2 2 ( n ) } 第三步:给定\alpha,由\displaystyle P(\chi^2>\chi^2_{\frac{\alpha}{2}}(n)=P(\chi^2>\chi^2_{1-\frac{\alpha}{2}}(n))=\frac{\alpha}{2},查表得\chi^2_{\frac{\alpha}{2}}(n),\chi^2_{1-\frac{\alpha}{2}}(n)拒绝域W=\{\chi^2>\chi^2_{\frac{\alpha}{2}}(n)或\chi^2<\chi^2_{1-\frac{\alpha}{2}}(n)\} 第三步:给定α,由P(χ2>χ2α2(n)=P(χ2>χ1−2α2(n))=2α,查表得χ2α2(n),χ1−2α2(n)拒绝域W={χ2>χ2α2(n)或χ2<χ1−2α2(n)}
第四步:计算 χ 2 值,比较,下结论 第四步:计算\chi^2值,比较,下结论 第四步:计算χ2值,比较,下结论
χ 2 检验法: μ 未知,检验 σ 2 = σ 0 2 χ^2检验法:\mu未知,检验\sigma^2=\sigma_0^2 χ2检验法:μ未知,检验σ2=σ02
(以双侧检验为例)
第一步:
H
0
:
σ
2
=
σ
0
2
,
H
1
:
σ
0
≠
σ
0
2
第一步:H_0:\sigma^2=\sigma_0^2,H_1:\sigma_0\not=\sigma_0^2
第一步:H0:σ2=σ02,H1:σ0=σ02
第二步:假定
H
0
成立,
X
∼
N
(
μ
,
σ
0
2
)
,
X
1
,
⋯
,
X
n
为样本
第二步:假定H_0成立,X\sim N(\mu,\sigma_0^2),X_1,\cdots,X_n为样本
第二步:假定H0成立,X∼N(μ,σ02),X1,⋯,Xn为样本
取统计量
χ
2
=
∑
i
=
1
n
(
X
i
−
X
‾
)
2
σ
0
2
∼
χ
2
(
n
−
1
)
取统计量\displaystyle\chi^2=\frac{\sum\limits_{i=1}^{n}(X_i-\overline{X})^2}{\sigma_0^2}\sim\chi^2(n-1)
取统计量χ2=σ02i=1∑n(Xi−X)2∼χ2(n−1)
第三步:给定
α
,由
P
(
χ
2
>
χ
α
2
2
(
n
−
1
)
=
P
(
χ
2
>
χ
1
−
α
2
2
(
n
−
1
)
)
=
α
2
,查表得
χ
α
2
2
(
n
−
1
)
,
χ
1
−
α
2
2
(
n
−
1
)
第三步:给定\alpha,由\displaystyle P(\chi^2>\chi^2_{\frac{\alpha}{2}}(n-1)=P(\chi^2>\chi^2_{1-\frac{\alpha}{2}}(n-1))=\frac{\alpha}{2},查表得\chi^2_{\frac{\alpha}{2}}(n-1),\chi^2_{1-\frac{\alpha}{2}}(n-1)
第三步:给定α,由P(χ2>χ2α2(n−1)=P(χ2>χ1−2α2(n−1))=2α,查表得χ2α2(n−1),χ1−2α2(n−1)
拒绝域
W
=
{
χ
2
>
χ
α
2
2
(
n
−
1
)
或
χ
2
<
χ
1
−
α
2
2
(
n
−
1
)
}
拒绝域W=\{\chi^2>\chi^2_{\frac{\alpha}{2}}(n-1)或\chi^2<\chi^2_{1-\frac{\alpha}{2}}(n-1)\}
拒绝域W={χ2>χ2α2(n−1)或χ2<χ1−2α2(n−1)}
第四步:计算
χ
2
值,比较,下结论
第四步:计算\chi^2值,比较,下结论
第四步:计算χ2值,比较,下结论
8.3 两个正态总体的参数假设检验
X
∼
N
(
μ
1
,
σ
1
2
)
,
X
1
,
⋯
,
X
n
1
为样本,
X
‾
,
S
1
2
X∼N(μ_1,σ_1^2), X_1,\cdots,X_{n_1}为样本,\overline{X},S_1^2
X∼N(μ1,σ12),X1,⋯,Xn1为样本,X,S12
Y
∼
N
(
μ
2
,
σ
2
2
)
)
,
Y
1
,
⋯
,
Y
n
2
为样本,
Y
‾
,
S
2
2
Y\sim N(\mu_2,\sigma_2^2)),Y_1,\cdots,Y_{n_2}为样本,\overline{Y} ,S_2^2
Y∼N(μ2,σ22)),Y1,⋯,Yn2为样本,Y,S22
8.3.1 均值 μ 1 , μ 2 \mu_1,\mu_2 μ1,μ2差异性检验
假设
H
0
:
μ
1
=
μ
2
,
H
1
:
μ
1
≠
μ
2
假设H_0:\mu_1=\mu_2,H_1:\mu_1\not=\mu_2
假设H0:μ1=μ2,H1:μ1=μ2
假设
H
0
:
μ
1
≤
μ
2
,
H
1
:
μ
1
≯
μ
2
假设H_0:\mu_1\leq\mu_2,H_1:\mu_1\not>\mu_2
假设H0:μ1≤μ2,H1:μ1>μ2
假设
H
0
:
μ
1
≥
μ
2
,
H
1
:
μ
1
≮
μ
2
假设H_0:\mu_1\geq\mu_2,H_1:\mu_1\not<\mu_2
假设H0:μ1≥μ2,H1:μ1<μ2
U检验法: σ 1 2 , σ 2 2 已知,检验 H 0 : μ = μ 0 \sigma_1^2,\sigma_2^2已知,检验H_0:\mu=\mu_0 σ12,σ22已知,检验H0:μ=μ0
(以双边检验为例)
第一步:提出
H
0
:
μ
1
=
μ
2
,
H
1
:
μ
1
≠
μ
2
第一步:提出H_0:\mu_1=\mu_2,H_1:\mu_1\not=\mu_2
第一步:提出H0:μ1=μ2,H1:μ1=μ2
第二步:假定
H
0
成立
第二步:假定H_0成立
第二步:假定H0成立
X
‾
−
Y
‾
∼
N
(
μ
1
−
μ
2
,
σ
1
2
n
1
+
σ
2
2
n
2
)
\displaystyle\overline{X}-\overline{Y}\sim N(\mu_1-\mu_2,\frac{\sigma_1^2}{n_1}+\frac{\sigma_2^2}{n_2})
X−Y∼N(μ1−μ2,n1σ12+n2σ22)
⟹
取
U
=
X
‾
−
Y
‾
−
(
μ
1
−
μ
2
)
σ
1
2
n
1
+
σ
2
2
n
2
=
X
‾
−
Y
‾
σ
1
2
n
1
+
σ
2
2
n
2
∼
N
(
0
,
1
)
\displaystyle\Longrightarrow取U=\frac{\overline{X}-\overline{Y}-(\mu_1-\mu_2)}{\sqrt{\frac{\sigma_1^2}{n_1}+\frac{\sigma_2^2}{n_2}}}=\frac{\overline{X}-\overline{Y}}{\sqrt{\frac{\sigma_1^2}{n_1}+\frac{\sigma_2^2}{n_2}}}\sim N(0,1)
⟹取U=n1σ12+n2σ22X−Y−(μ1−μ2)=n1σ12+n2σ22X−Y∼N(0,1)
第三步:给定 α ,由 P ( ∣ U ∣ > u α 2 ) = α ,查表得 u α 2 拒绝域 W = { ( x 1 , ⋯ , x n 1 ) ( y 1 , ⋯ , y n 2 ) ∣ ∣ u ∣ > u α 2 } 第三步:给定\alpha,由P(|U|>u_{\frac{\alpha}{2}})=\alpha,查表得u_{\frac{\alpha}{2}}拒绝域W=\{(x_1,\cdots,x_{n_1})(y_1,\cdots,y_{n_2})||u|>u_{\frac{\alpha}{2}}\} 第三步:给定α,由P(∣U∣>u2α)=α,查表得u2α拒绝域W={(x1,⋯,xn1)(y1,⋯,yn2)∣∣u∣>u2α}
第四步:计算 ∣ u ∣ , ∣ u ∣ 与 u α 2 比较,下结论 第四步:计算|u|,|u|与u_{\frac{\alpha}{2}}比较,下结论 第四步:计算∣u∣,∣u∣与u2α比较,下结论
T检验法: σ 1 2 , σ 2 2 未知, σ 1 2 = σ 2 2 = σ 2 ,检验 H 0 : μ = μ 0 \sigma_1^2,\sigma_2^2未知,\sigma_1^2=\sigma_2^2=\sigma^2,检验H_0:\mu=\mu_0 σ12,σ22未知,σ12=σ22=σ2,检验H0:μ=μ0
(以双边检验为例)
第一步:提出
H
0
:
μ
1
=
μ
2
,
H
1
:
μ
1
≠
μ
2
第一步:提出H_0:\mu_1=\mu_2,H_1:\mu_1\not=\mu_2
第一步:提出H0:μ1=μ2,H1:μ1=μ2
第二步:假定 H 0 成立,取 T = X ‾ − Y ‾ ( n 1 − 1 ) s 1 2 + ( n 2 − 1 ) s 2 2 n 1 + n 2 − 2 1 n 1 + 1 n 2 ∼ t ( n 1 + n 2 − 2 ) 第二步:假定H_0成立,取\displaystyle T=\frac{\overline{X}-\overline{Y}}{\displaystyle\sqrt{\frac{(n_1-1)s_1^2+(n_2-1)s_2^2}{n_1+n_2-2}}\sqrt{\frac{1}{n_1}+\frac{1}{n_2}}}\sim t(n_1+n_2-2) 第二步:假定H0成立,取T=n1+n2−2(n1−1)s12+(n2−1)s22n11+n21X−Y∼t(n1+n2−2)
第三步:给定
α
,由
P
(
∣
T
∣
>
t
α
2
)
=
α
,查表得
t
α
2
(
n
1
+
n
2
−
2
)
第三步:给定\alpha,由P(|T|>t_{\frac{\alpha}{2}})=\alpha,查表得t_{\frac{\alpha}{2}}(n_1+n_2-2)
第三步:给定α,由P(∣T∣>t2α)=α,查表得t2α(n1+n2−2)
拒绝域
W
=
{
(
x
1
,
⋯
,
x
n
1
)
(
y
1
,
⋯
,
y
n
2
)
∣
∣
t
∣
>
t
α
2
}
拒绝域W=\{(x_1,\cdots,x_{n_1})(y_1,\cdots,y_{n_2})||t|>t_{\frac{\alpha}{2}}\}
拒绝域W={(x1,⋯,xn1)(y1,⋯,yn2)∣∣t∣>t2α}
第四步:计算
∣
t
∣
,
∣
t
∣
与
t
α
2
比较,下结论
第四步:计算∣ t ∣,∣ t ∣与t_{\frac{\alpha}{2}}比较,下结论
第四步:计算∣t∣,∣t∣与t2α比较,下结论
8.3.2方差 σ 1 2 , σ 2 2 \sigma_1^2,\sigma_2^2 σ12,σ22差异性检验
假设
H
0
:
σ
1
2
=
σ
2
2
,
H
1
:
σ
1
2
≠
σ
2
2
假设H_0:\sigma_1^2=\sigma_2^2,H_1:\sigma_1^2\not=\sigma_2^2
假设H0:σ12=σ22,H1:σ12=σ22
假设
H
0
:
σ
1
2
≤
σ
2
2
,
H
1
:
σ
1
2
>
σ
2
2
假设H_0:\sigma_1^2\leq\sigma_2^2,H_1:\sigma_1^2>\sigma_2^2
假设H0:σ12≤σ22,H1:σ12>σ22
假设
H
0
:
σ
1
2
≥
σ
2
2
,
H
1
:
σ
1
2
<
σ
2
2
假设H_0:\sigma_1^2\geq\sigma_2^2,H_1:\sigma_1^2<\sigma_2^2
假设H0:σ12≥σ22,H1:σ12<σ22
μ
1
,
μ
2
都未知,检验
H
0
:
σ
1
2
=
σ
2
2
μ_1,μ_2都未知,检验H_0:\sigma_1^2=\sigma_2^2
μ1,μ2都未知,检验H0:σ12=σ22
(以双侧检验为例)
第一步:提出
H
0
:
σ
1
2
=
σ
2
2
,
H
1
:
σ
1
2
≠
σ
2
2
第一步:提出H_0:\sigma_1^2=\sigma_2^2,H_1:\sigma_1^2\not=\sigma_2^2
第一步:提出H0:σ12=σ22,H1:σ12=σ22
第二步:假设 H 0 成立,取 F = S 1 2 / σ 1 2 S 2 2 / σ 2 2 = S 1 2 S 2 2 ∼ F ( n 1 − 1 , n 2 − 1 ) 第二步:假设H_0成立,取\displaystyle F=\frac{S_1^2/\sigma_1^2}{S_2^2/\sigma_2^2}=\frac{S_1^2}{S_2^2}\sim F(n_1-1,n_2-1) 第二步:假设H0成立,取F=S22/σ22S12/σ12=S22S12∼F(n1−1,n2−1)
第三步:给定
α
,由
P
(
F
>
F
α
2
)
=
P
(
F
<
F
1
−
α
2
)
=
α
2
第三步:给定\alpha,由P(F>F_{\frac{\alpha}{2}})=P(F<F_{1-\frac{\alpha}{2}})=\frac{\alpha}{2}
第三步:给定α,由P(F>F2α)=P(F<F1−2α)=2α
(计算时用到公式:
F
1
−
α
2
(
n
1
−
1
,
n
2
−
1
)
=
F
α
2
(
n
2
−
1
,
n
1
−
1
)
(计算时用到公式:F_{1-\frac{\alpha}{2}}(n_1-1,n_2-1)=F_{\frac{\alpha}{2}}(n_2-1,n_1-1)
(计算时用到公式:F1−2α(n1−1,n2−1)=F2α(n2−1,n1−1)
拒绝域
W
=
{
(
x
1
,
⋯
,
x
n
1
)
(
y
1
,
⋯
,
y
n
2
)
∣
f
>
f
α
2
(
n
1
−
1
,
n
2
−
1
)
或
f
<
f
1
−
α
2
(
n
1
−
1
,
n
2
−
1
)
}
拒绝域W=\{(x_1,\cdots,x_{n_1})(y_1,\cdots,y_{n_2})|f>f_{\frac{\alpha}{2}}(n_1-1,n_2-1)或f<f_{1-\frac{\alpha}{2}}(n_1-1,n_2-1)\}
拒绝域W={(x1,⋯,xn1)(y1,⋯,yn2)∣f>f2α(n1−1,n2−1)或f<f1−2α(n1−1,n2−1)}
第四步:计算 F 的值 f,比较,下结论
区间估计——参数未知,利用统计量估计未知的参数
假设检验——参数已知,利用统计量检验已知的参数是否靠谱