[基本功]假设检验概念&统计量一览

一、基础概念

第Ⅰ类错误：弃真错误，原假设是真的，但却被我们拒绝了，$\alpha$

第Ⅱ类错误：取伪错误，原假设是假的，但却被我们接受了，$\beta$

显著性水平：当原假设正确时，检验统计量落在拒绝域的概率，也就是犯弃真错误的概率，事先确定好，一般取0.01，0.05，0.1等

双侧检验：原假设形式为“≠”

单侧检验：备择假设为“<”称为左侧检验，备择假设为“>”称为右侧检验

拒绝域：

大样本：样本量>=30

小样本：样本量<30

二、一个总体参数的假设检验

1. 大样本均值检验

• 大样本情况下，样本均值的抽样分布近似服从正态。

检验统计量：
$$\begin{gathered} \sigma 已知：z=\frac{x-{\mu }_0}{\sigma /\sqrt{n}} \\ \sigma 未知：z=\frac{x-{\mu }_0}{s/\sqrt{n}} \end{gathered}$$
拒绝域：
$$\begin{gathered} 双侧检验：|z|>z_{\alpha /2} \\ 左侧检验：z<-z_{\alpha } \\ 右侧检验：z>z_{\alpha } \end{gathered}$$

2. 小样本均值检验

• 假设总体服从正态分布。

检验统计量：
$$\begin{gathered} \sigma 已知：z=\frac{\overline{x}-{\mu }_0}{\sigma /\sqrt{n}} \\ \sigma 未知：t=\frac{\overline{x}-{\mu }_0}{s/\sqrt{n}} \end{gathered}$$
总体方差未知的拒绝域：
$$\begin{gathered} 双侧检验：|t|>t_{\alpha /2}(n-1) \\ 左侧检验：t<-t_{\alpha }(n-1) \\ 右侧检验：t>t_{\alpha }(n-1) \end{gathered}$$

3. 大样本总体比例检验

检验统计量：
$$z=\frac{p-{\pi }_0}{\sqrt{\frac{{\pi }_0(1-{\pi }_0)}{n}}}$$

4. 总体方差检验

• 无论大样本还是小样本，都要求总体服从正态分布

检验统计量：
$${\chi }^2=\frac{(n-1)s^2}{{\sigma }_0^2}$$
拒绝域：
$$\begin{gathered} 双侧检验：{\chi }^2<{\chi }_{1-\alpha /2}^2或{\chi }^2>{\chi }_{1-\alpha /2}^2 \\ 左侧检验：{\chi }^2<{\chi }_{1-\alpha }^2 \\ 右侧检验：{\chi }^2>{\chi }_{\alpha }^2 \end{gathered}$$

三、两个总体参数的假设检验

1. 独立大样本均值检验

检验统计量：
$$\begin{gathered} {\sigma }_1和{\sigma }_2已知：z=\frac{({\overline{x}}_1-{\overline{x}}_2)-({\mu }_1-{\mu }_2)}{\sqrt{{\sigma }_1^2/n_1+{\sigma }_2^2/n_2}} \\ {\sigma }_1和{\sigma }_2未知：z=\frac{({\overline{x}}_1-{\overline{x}}_2)-({\mu }_1-{\mu }_2)}{\sqrt{s_1^2/n_1+s_2^2/n_2}} \end{gathered}$$

2. 独立小样本均值检验

• 假定两个总体都服从正态

$$\begin{gathered} {\sigma }_1和{\sigma }_2已知：z=\frac{({\overline{x}}_1-{\overline{x}}_2)-({\mu }_1-{\mu }_2)}{\sqrt{{\sigma }_1^2/n_1+{\sigma }_2^2/n_2}} \\ {\sigma }_1和{\sigma }_2未知但相等：t=\frac{({\overline{x}}_1-{\overline{x}}_2)-({\mu }_1-{\mu }_2)}{s_p\sqrt{1/n_1+1/n_2}} \\ (s_p^2=\frac{(n_1-1)s_1^2+(n_2-1)s_2^2}{n_1+n_2-2}) \\ {\sigma }_1和{\sigma }_2未知且不等：t=\frac{({\overline{x}}_1-{\overline{x}}_2)-({\mu }_1-{\mu }_2)}{\sqrt{s_1^2/n_1+s_2^2/n_2}} \\ (v=\frac{(\frac{s_1^2}{n_1}+\frac{s_2^2}{n_2}{)}^2}{\frac{(\frac{s_1^2}{n_1}{)}^2}{n_1-1}+\frac{(\frac{s_2^2}{n_2}{)}^2}{n_2-1}}) \end{gathered}$$

• ${\sigma }_1$和${\sigma }_2$未知但相等时，t服从自由度为$n_1+n_2-2$的t分布
• ${\sigma }_1$和${\sigma }_2$未知且不等时，t服从自由度为$v$的t分布，v计算后四舍五入取整数

3. 小样本配对样本均值检验

• 假定两个总体配对差值构成的总体服从正态分布

检验统计量：
$$t=\frac{\overline{d}-({\mu }_1-{\mu }_2)}{s_d/\sqrt{n}}$$

• $\overline{d}$表示配对差值平均数；$s_d$表示配对差值标准差
• 服从$t(n-1)$

4. 大样本配对样本均值检验

• 假定两个总体配对差值构成的总体服从正态分布

检验统计量：
$$z=\frac{\overline{d}-({\mu }_1-{\mu }_2)}{s_d/\sqrt{n}}$$

• $\overline{d}$表示配对差值平均数；$s_d$表示配对差值标准差

5. 大样本总体比例之差检验

• 要求两个样本都是大样本：$n_1{p}_1,n_1(1-p_1),n_2{p}_2,n_2(1-p_2)$都大于等于10

检验统计量：
$$\begin{gathered} z=\frac{(p_1-p_2)-({\pi }_1-{\pi }_2)}{{\sigma }_{p_1-p_2}} \\ ({\sigma }_{p_1-p_2}=\sqrt{\frac{{\pi }_1(1-{\pi }_1)}{n_1}+\frac{{\pi }_2(1-{\pi }_2)}{n_2}}) \end{gathered}$$

• 由于${\pi }_1$和${\pi }_2$未知，需要由$p_1$和$p_2$估计
  $$\begin{gathered} 检验两总体比例之差是否为0：p=\frac{x_1+x_2}{n_1+n_2}=\frac{p_1{n}_1+p_2{n}_2}{n_1+n_2} \\ {\sigma }_{p_1-p_2}=\sqrt{\frac{p(1-p)}{n_1}+\frac{p(1-p)}{n_2}}=\sqrt{p(1-p)(\frac{1}{n_1}+\frac{1}{n_2})} \\ 检验两总体比例之差是否为某非零常数：{\sigma }_{p_1-p_2}=\sqrt{\frac{p_1(1-p_1)}{n_1}+\frac{p_2(1-p_2)}{n_2}} \end{gathered}$$

6. 独立总体方差比检验

• 两总体独立取自两正态总体
• 双侧检验时，通常用较大的样本方差除以较小的样本方差，保证拒绝域在F分布的右侧
• 单侧检验时，也可同样安排为右侧检验

检验统计量：
$$F=\frac{s_1^2}{s_2^2}$$