2025年统计学期末考试题库-统计推断与检验的假设检验试题试卷

2025年统计学期末考试题库——统计推断与检验的假设检验试题试卷考试时间：______分钟总分：______分姓名：______一、填空题（本部分共10小题，每小题2分，共20分）要求：请根据所学知识，将正确的答案填写在横线上。1.在假设检验中，我们通常将原假设记为______，备择假设记为______。2.当检验统计量服从标准正态分布时，我们称该检验为______检验。3.在假设检验中，犯第一类错误的概率用______表示，犯第二类错误的概率用______表示。4.若要检验总体均值μ是否等于某个特定值μ₀，我们可以使用______检验。5.在小样本情况下，当总体方差未知时，我们通常使用______分布来构建检验统计量。6.在假设检验中，选择显著性水平α时，我们需要考虑______和______之间的平衡。7.若检验统计量的观测值落在拒绝域内，则我们______原假设。8.在双侧检验中，拒绝域位于分布的______和______两侧。9.若要检验总体比例p是否等于某个特定值p₀，我们可以使用______检验。10.在假设检验中，样本量n的大小会影响______和______。二、选择题（本部分共15小题，每小题2分，共30分）要求：请根据所学知识，选择最符合题意的答案。1.下列哪一项不是假设检验的基本步骤？A.提出原假设和备择假设B.选择检验统计量C.计算检验统计量的观测值D.计算样本均值2.当检验统计量服从t分布时，我们称该检验为：A.z检验B.t检验C.χ²检验D.F检验3.在假设检验中，犯第一类错误的概率最大不超过：A.0.05B.0.01C.0.10D.0.204.若要检验总体方差σ²是否等于某个特定值σ₀²，我们可以使用：A.z检验B.t检验C.χ²检验D.F检验5.在小样本情况下，当总体分布未知时，我们通常使用：A.z检验B.t检验C.χ²检验D.F检验6.在假设检验中，选择显著性水平α时，我们通常：A.选择α=0.05B.选择α=0.01C.根据具体情况选择合适的α值D.α值对检验结果没有影响7.若检验统计量的观测值落在接受域内，则我们：A.拒绝原假设B.接受原假设C.无法判断D.需要增加样本量8.在双侧检验中，拒绝域位于分布的：A.左侧B.右侧C.中心和两侧D.中心9.若要检验总体比例p是否等于某个特定值p₀，我们可以使用：A.z检验B.t检验C.χ²检验D.F检验10.在假设检验中，样本量n的大小会影响：A.检验统计量的分布B.检验的效力C.犯第一类错误的概率D.以上都是11.下列哪一项不是假设检验的常见应用？A.检验药品的有效性B.检验产品的质量C.检验经济模型的拟合优度D.检验样本的代表性12.在假设检验中，备择假设通常表示：A.我们想要证明的假设B.我们想要拒绝的假设C.我们不愿意接受的假设D.以上都是13.当检验统计量服从χ²分布时，我们称该检验为：A.z检验B.t检验C.χ²检验D.F检验14.在假设检验中，犯第二类错误的概率用：A.β表示B.α表示C.γ表示D.δ表示15.若要检验两个总体均值μ₁和μ₂是否存在显著差异，我们可以使用：A.z检验B.t检验C.χ²检验D.F检验三、判断题（本部分共10小题，每小题2分，共20分）要求：请根据所学知识，判断下列说法的正误。1.在假设检验中，原假设通常表示我们想要接受的假设。2.当检验统计量服从标准正态分布时，我们称该检验为z检验。3.在假设检验中，犯第一类错误的概率和犯第二类错误的概率之和总是等于1。4.若要检验总体方差σ²是否等于某个特定值σ₀²，我们可以使用t检验。5.在小样本情况下，当总体分布未知时，我们通常使用χ²检验。6.在假设检验中，选择显著性水平α时，我们通常选择α=0.05。7.若检验统计量的观测值落在拒绝域内，则我们接受原假设。8.在双侧检验中，拒绝域位于分布的左侧。9.若要检验总体比例p是否等于某个特定值p₀，我们可以使用t检验。10.在假设检验中，样本量n的大小对检验结果没有影响。四、简答题（本部分共5小题，每小题4分，共20分）要求：请根据所学知识，简要回答下列问题。1.简述假设检验的基本步骤。2.解释什么是第一类错误和第二类错误。3.说明在假设检验中，选择显著性水平α时需要考虑哪些因素。4.描述在双侧检验中，拒绝域的位置和形状。5.解释在小样本情况下，当总体方差未知时，我们通常使用t检验的原因。三、简答题（本部分共5小题，每小题4分，共20分）要求：请根据所学知识，简要回答下列问题。1.简述假设检验的基本步骤。在咱们日常教学里头啊，讲到假设检验的时候，我通常会先从这四个基本步骤讲起。首先呢，就是提出原假设和备择假设。这步可重要了，你得先有个明确的目标，知道你想检验的是不是真的。比如说啊，你想知道这批药是不是比普通药效果更好，那原假设可能就是“效果一样”，备择假设就是“效果更好”。第二步，选个合适的检验统计量。这得看你的数据啥样，样本大不大，总体方差知不知道，这些条件都影响着咱们选哪个统计量。比如说，样本小而且总体方差不知道，那咱们就得用t统计量。第三步，根据样本数据算出检验统计量的观测值。这一步就是动手算，用咱们收集到的数据，套用公式，算出一个具体的数值。第四步，就是做决策。得看看这个观测值到底够不够大，能不能让我们有理由拒绝原假设。这得靠咱们先前定的显著性水平，看看观测值是不是落在拒绝域里。要是落里头了，咱们就有理由拒绝原假设；要是不在，那咱们就没什么理由拒绝，得接受原假设。这整个过程啊，其实就是咱们用数据说话，用概率的思维去判断一个事儿真不真的。2.解释什么是第一类错误和第二类错误。在咱们讲课的时候，我经常用“放鸟”和“放走狼”来比喻这两种错误。第一类错误，咱们管它叫“弃真错误”，就是我本来假设这个鸟是没问题的，结果我把它给射下来了。在假设检验里头，就是咱们本来原假设是真的，结果咱们把它给拒绝了。比如说，这批药真的和普通药效果一样，结果咱们检验说它效果更好，这就是犯第一类错误。犯这种错误的概率，咱们用α表示，也就是显著性水平。第二类错误呢，咱们管它叫“取伪错误”，就是我本来假设这鸟有危险，结果我把它给放了，让狼跑了。在假设检验里头，就是咱们本来原假设是假的，结果咱们把它给接受了。比如说，这批药真的效果更好，结果咱们检验说它效果一样，这就是犯第二类错误。犯这种错误的概率，咱们用β表示。这两种错误啊，其实是相互影响的，咱们想减少一种错误，往往另一种错误就会增加。所以在做检验的时候，得找到一个平衡点。3.说明在假设检验中，选择显著性水平α时需要考虑哪些因素。选显著性水平α这事儿，可不能简单粗暴地就选个0.05。我在课堂上经常强调，这得看具体情况。首先，得看这错误的后果严重不严重。比如说，要是犯第一类错误的后果特别严重，比如把没问题的药判成有问题的，那咱们可能就得把α选小点儿，比如选0.01，更谨慎一点。要是犯第二类错误的后果更严重，比如把有问题的药放走了，那咱们可能就得把α选大点儿，比如选0.10，提高点检测的力度。其次，得看咱们手头的数据多不多。样本量大的时候，咱们检验的效力就高，犯错误的概率就小，这时候α可以选大点儿；样本量小的时候，咱们检验的效力就差，犯错误的概率就大，这时候α就得选小点儿。再者，得看这检验是用在哪儿。如果是质量控制啊，那α可能就得选小点儿，要求严格点；如果是研究探索啊，那α可以选大点儿，允许有一定的风险。所以啊，选α不是个技术活，也是个艺术活，得根据实际情况，权衡利弊。4.描述在双侧检验中，拒绝域的位置和形状。讲到双侧检验的时候，我通常会画个图，直观地给学生展示拒绝域在哪儿。在双侧检验里头，咱们是要检验总体参数是不是等于某个特定值，但不关心它是大于还是小于，只要不一样就行。所以啊，拒绝域就得分成两半，分别位于分布的两端。比如说，咱们检验总体均值μ是不是等于μ₀，要是用z检验，那拒绝域就位于标准正态分布的两端，一端在μ₀+za/2的右边，另一端在μ₀-za/2的左边。这里的a就是咱们定的显著性水平，由于拒绝域在两端，所以α要平分到两边，每边是α/2。形状呢，这得看检验统计量服从啥分布。如果是z检验，那统计量服从标准正态分布，拒绝域就是两边对称的；如果是t检验，那统计量服从t分布，拒绝域也是两边对称的，不过形状会随着自由度n-1的变化而变化。关键是记住，双侧检验的拒绝域是两边都有，而且两边加起来等于α。5.解释在小样本情况下，当总体方差未知时，我们通常使用t检验的原因。讲到这个知识点的时候，我通常会问学生，为啥在小样本、总体方差又不知道的情况下，不能直接用z检验。这其实涉及到统计推断里头的一些基本原理。首先，小样本意味着咱们收集到的信息不多，数据波动性大，估计起来就不太准确。这时候，用样本方差s来估计总体方差σ，误差就比较大。如果再用知道总体方差σ的z检验，那估计的误差就双重了，检验的效果肯定差。其次，就算咱们用样本方差s代替总体方差σ，根据中心极限定理，样本均值的分布也不是正态分布，而是t分布，而且它的形状还跟样本量有关系。样本量越小，t分布的尾部越厚，也就是极端值出现的概率比正态分布大。所以啊，用t分布来构建检验统计量，更能反映小样本的不确定性，检验的结果也更可靠。t检验考虑了样本方差的变异，校正了小样本带来的误差，这是它在小样本、总体方差未知时成为首选的原因。四、计算题（本部分共5小题，每小题6分，共30分）要求：请根据所学知识，结合给定数据进行计算和分析。1.某厂生产的灯泡，其寿命服从正态分布，过去经验表明平均寿命为1500小时。为了检验该厂生产的灯泡寿命是否发生了变化，随机抽取了25只灯泡，测得样本平均寿命为1450小时，样本标准差为100小时。假设显著性水平α=0.05，检验该厂生产的灯泡寿命是否显著降低。2.一项调查声称某城市居民对公共交通的满意度超过70%。为了检验这一声称是否属实，随机抽取了200名居民进行调查，其中有152名居民对公共交通表示满意。假设显著性水平α=0.01，检验该城市居民对公共交通的满意度是否超过70%。3.某医生声称一种新药能显著降低病人的血压。为了检验这一声称，随机抽取了20名病人，给他们服用这种新药一段时间后，测得他们的血压降低了12、8、15、10、6、11、9、14、7、10、5、13、8、16、9、12、7、11、10、8（单位：毫米汞柱）。假设血压降低值服从正态分布，显著性水平α=0.05，检验这种新药能否显著降低病人的血压。4.某公司有两种生产线，生产线A和生产线B，它们生产的产品的重量都服从正态分布。为了检验两种生产线的生产效率是否存在显著差异，随机抽取了10件生产线A的产品和10件生产线B的产品，测得它们的重量如下：生产线A：98、102、95、99、100、103、96、104、97、101生产线B：95、100、98、99、96、97、100、102、98、99假设显著性水平α=0.05，检验两种生产线的生产效率是否存在显著差异。5.某学校为了提高教学质量，对学生进行了教学改革。为了检验教学改革是否显著提高了学生的成绩，随机抽取了30名学生，他们在改革前后的成绩如下：改革前：85、82、78、90、88、75、80、85、90、82、78、85、80、88、75、82、78、85、90、88、75、80、85、82、78、88、75、80、85、82改革后：90、87、80、95、92、78、85、90、95、87、80、90、85、92、78、87、80、90、95、92、78、85、90、87、80、92、78、85、90、87假设成绩服从正态分布，显著性水平α=0.05，检验教学改革是否显著提高了学生的成绩。本次试卷答案如下一、填空题1.H₀，H₁解析：在假设检验中，H₀代表原假设（NullHypothesis），H₁代表备择假设（AlternativeHypothesis）。这是假设检验的基础，咱们得先有个假设，再看看数据能不能支持推翻它。2.z检验解析：当检验统计量服从标准正态分布（也就是z分布）时，咱们就称之为z检验。这通常发生在总体方差已知、样本量较大（一般n≥30）的情况下。z检验比较简单，就是看统计量离均值标准差多少个单位。3.α，β解析：α就是犯第一类错误的概率，也就是弃真错误的概率，咱们把它控制在显著性水平里头。β就是犯第二类错误的概率，也就是取伪错误的概率，咱们希望它越小越好。这两者得平衡着看。4.z检验或t检验解析：要检验总体均值μ是否等于某个特定值μ₀，根据条件不同，可以用z检验或t检验。如果总体方差已知，或者样本量很大，可以用z检验；如果总体方差未知，且样本量不大，就用t检验。这得看咱们手头的数据条件。5.t解析：在小样本（一般n<30）情况下，当总体方差未知时，咱们用样本方差s来估计总体方差σ，这时候构建的检验统计量就服从t分布。t分布和正态分布有点像，但尾部更厚，更考虑小样本的不确定性。6.α，β解析：选显著性水平α时，得考虑犯两类错误的后果。α小，犯第一类错误的概率就小，但犯第二类错误的概率β就可能变大；α大，犯第二类错误的概率β就小，但犯第一类错误的概率α就可能变大。得根据实际情况权衡，找个平衡点。7.拒绝解析：在假设检验里头，如果检验统计量的观测值落在拒绝域内，说明数据跟原假设差异太大，无法用“没有足够证据拒绝原假设”来解释，所以咱们就得“拒绝原假设”。这得看咱们先前定的显著性水平。8.左侧和右侧解析：在双侧检验中，咱们关心的是总体参数是不是等于某个特定值，不关心它是大于还是小于，只要不一样就行。所以拒绝域就分布在分布的两端，一侧在左侧，一侧在右侧。两侧加起来的概率等于咱们定的显著性水平α。9.z检验或χ²检验解析：要检验总体比例p是否等于某个特定值p₀，根据条件不同，可以用z检验或χ²检验。如果样本量较大（一般np₀≥5，n(1-p₀)≥5），可以用z检验；如果样本量较小，就用χ²检验。这得看咱们手头的数据条件。10.检验统计量的分布和检验的效力解析：样本量n的大小会影响检验统计量的分布。样本量大，统计量分布更接近理论分布（如正态分布）；样本量小，统计量分布不确定性更大。样本量n的大小也会影响检验的效力，也就是犯第二类错误的概率β。样本量大，检验效力高，β小；样本量小，检验效力低，β大。二、选择题1.D解析：假设检验的基本步骤包括：提出原假设和备择假设；选择检验统计量；根据样本数据计算检验统计量的观测值；根据显著性水平和检验统计量的分布，确定拒绝域，并做出决策。计算样本均值是抽样阶段的事儿，不是假设检验的步骤。2.B解析：当检验统计量服从t分布时，我们称该检验为t检验。这通常发生在总体方差未知、样本量不大（一般n<30）的情况下。t检验考虑了样本方差的变异，校正了小样本带来的误差。3.A解析：在假设检验中，犯第一类错误的概率最大不超过0.05。这通常是我们设定的显著性水平α，也就是咱们愿意承担的最大风险，即把没问题的当成有问题的的风险。4.C解析：若要检验总体方差σ²是否等于某个特定值σ₀²，我们可以使用χ²检验。χ²检验是专门用来检验总体方差的，它基于样本方差和总体方差的比值构建检验统计量。5.B解析：在小样本情况下，当总体分布未知时，我们通常使用t检验。虽然不知道总体分布，但假设它服从正态分布，然后用t检验来估计总体均值。如果连正态分布都不确定，那可能就需要用非参数检验了。6.C解析：在假设检验中，选择显著性水平α时，我们通常根据具体情况选择合适的α值。虽然0.05和0.01是常用的α值，但并不是唯一的。如果犯第一类错误的后果严重，α就选小点；如果犯第二类错误的后果严重，α可以选大点。7.B解析：若检验统计量的观测值落在接受域内，则我们接受原假设。接受域就是没问题的数据范围，观测值落里头，说明数据跟原假设差异不大，没有足够证据拒绝原假设。8.C解析：在双侧检验中，拒绝域位于分布的中心和两侧。中心是均值，两侧是临界值。观测值落在临界值之外的两侧，说明数据跟原假设差异太大，需要拒绝原假设。9.A解析：若要检验总体比例p是否等于某个特定值p₀，我们可以使用z检验。z检验是检验总体均值最常用的方法，也可以用来检验总体比例。当样本量较大时，可以用样本比例来估计总体比例，然后用z检验。10.D解析：在假设检验中，样本量n的大小会影响检验统计量的分布、检验的效力以及犯第一类错误的概率。样本量大，统计量分布更接近理论分布，检验效力高，α和β都可能受影响。11.C解析：在假设检验中，检验经济模型的拟合优度通常用回归分析、R²等方法，而不是假设检验。假设检验是检验参数真值跟假设值是否一致，不直接用于检验模型拟合优度。12.A解析：在假设检验中，备择假设通常表示我们想要证明的假设。原假设通常是默认的、没有争议的假设，咱们要检验的是它是不是成立；备择假设是咱们希望成立的假设。13.C解析：当检验统计量服从χ²分布时，我们称该检验为χ²检验。χ²检验有很多种，比如检验总体方差、拟合优度、独立性等，但它们都用χ²分布来构建检验统计量。14.A解析：在假设检验中，犯第二类错误的概率用β表示。β就是咱们把有问题的当成没问题的概率，咱们希望它越小越好。α和β是假设检验中两个重要的概率。15.B解析：若要检验两个总体均值μ₁和μ₂是否存在显著差异，我们可以使用t检验。如果两个样本独立，且样本量都不大，可以用配对样本t检验；如果样本量较大，可以用独立样本t检验。三、判断题1.×解析：在假设检验中，原假设通常是默认的、没有争议的假设，咱们要检验的是它是不是成立；备择假设才是咱们希望成立的假设。比如说，咱们默认这批药没问题，然后看看数据能不能证明它有问题。2.√解析：当检验统计量