假设检验

1. 实例

1.1 问题描述

某机器正常情况下生产出的产品重量服从N(0.5， 0.015^2)。
现有一组产品重量如下：
0.497, 0.506, 0.518, 0.524, 0.498, 0.511, 0.520, 0.515, 0.512
问: 从样本看机器是否正常?

1.2 问题分析

用$\mu$, $\delta$分别代表产品重量的均值和方差
检验“机器是否正常”等价于检验“X是否服从正态分布N(μ, 0.0152)”

---

2. 建立检验模型

2.1 模型

确定总体：记 X 为该机器生产产品的重量，则 $X ～ N(\mu, 0.0152)$;
- 明确任务：通过样本推断“H0是否等于0.5”；
- 建立假设：上面的任务是要通过样本检验
“H0 =0.5”的假设是否成立。

假设：
$H_0 : \mu = 0.5$ （原假设）
$H_1 : \mu != 0.5$ （对立假设）

2.2 分析

找出一个界限 c，使得：
当$|\bar x - 0.5 | < c$ 时，接受原假设H0
当$|\bar x - 0.5| > c$ 时， 拒绝原假设H0

---

3. 解决问题

3. 1 确定阈值c

当H0 ： $\mu = 0.5$ 成立时，

$$\frac {\bar x - 0.5} {0.015/ \sqrt 9} \widetilde ~ \ N(0, 1)$$

为确定常数 c，我们考虑一个很小的正数， 如$\alpha$ = 0.05。
当原假设 H0:μ=0.5成立时，有:

$$P \{ \frac {|\bar x - 0.5|} {0.015 / \sqrt 9} > z_{\alpha /2} \} = \alpha$$

$c = (0.015 / \sqrt 9) * z_{\alpha / 2}$

3.2 拒绝域

检验统计量：

$|\bar x - 0.5|$
或者
$U = \frac {\bar x - 0.5} {0.015/\sqrt 9}$

H0拒绝域：
$|\bar x -0.5| >= (0.015 / \sqrt 9) * z_{\alpha/2}$
或者
$|U| >= z_{\alpha / 2}$

3.3 方法原理

3.1式描述的是在标准正态分布两侧概率共$\alpha$的区域发生事件P，如下图所示：

当$\alpha$足够小时，事件P即为小概率事件，
如果P发生(即$P\{|\bar x -0.5| >= (0.015 / \sqrt 9) * z_{\alpha/2} \}$)
则意味着不正常，即原假设H0错误。

小概率事件通常不会发生

4. $\alpha$

在一些场景中通常称$\alpha$为p值。

$\alpha$ 描述的是当H0为真是，对其错误判断的概率。数学原理如下：
当 $H_0 : \mu = 0.5$ 成立时：
$P\{|\bar x -0.5| >= (0.015 / \sqrt 9) * z_{\alpha/2} \} \ = \ \alpha$

$P\{拒绝H_0 | H_0为真\} = \alpha$

PS: 一般以P < 0.05 为显著， P<0.01 为非常显著。