大学概率论与数理统计《假设检验》教学课件

统计推断篇假设检验概率论与数理统计·统计推断篇年份2026年课程导览01思想与框架反证法直觉与检验五步流程02风险与规则两类错误、显著性水平与拒绝域03均值检验Z检验与t检验的适用与计算04方差与拟合检验卡方检验与方差检验的应用05决策与拓展P值判断与检验的边界思想与框架先假设，再证伪从直觉到严谨，搭建检验的思维骨架01从估计到检验的跨越统计推断有两大任务，除了参数估计，另一支柱就是

假设检验两大任务参数估计：总体参数大概是多少假设检验：关于总体的某个断言是否成立典型判断场景新药是否有效、生产线是否失控、硬币是否均匀共同特征：无法普查总体，只能依据样本信息做判断核心难题：抽样带有随机性，判断如何才算严谨有依据本课路径：思想框架→风险规则→具体方法→统计决策概率性质的反证法假设检验的基本思想，是一个"概率性质的反证法"反证法逻辑链先提出一个假设，再观察样本结果是否与它矛盾若在假设成立的前提下，竟出现了小概率事件，就有理由怀疑该假设与纯逻辑反证法的区别：这里的"矛盾"是概率意义上的，不是绝对矛盾法庭审判类比无罪推定在先，证据充分才推翻证据不足则维持原判类比映射：无罪推定对应原假设，证据对应样本观测小概率原理——小概率事件在一次试验中几乎不发生；因此结论总是带有一定风险，需要用概率来度量。原假设与备择假设二者互斥且完备，必有一个成立设定技巧：把希望证实的结论放在备择假设举例：检验新工艺是否提高强度，H₀设为均值未提高，H₁设为均值提高任何检验都从一对假设开始原假设H₀待检验的假设通常代表现状、无差异或没有效果备择假设H₁与

H₀对立的假设通常代表发生了变化检验的立场是保护原假设，除非证据充分，否则不轻易否定它假设如何设定方向单双侧的选择应在收集数据之前确定，不能事后挑选假设的表述形式决定了检验的方向双侧检验备择假设为

μ≠μ₀关注是否存在差异设定规则：等号总是放在原假设一侧单侧检验备择假设为

μ>μ₀

或

μ<μ₀关注差异方向原假设通常代表“没有变化”，是被保护的一方设定方向会直接影响拒绝域的位置和最终的判断结果检验的五个步骤1提出原假设提出

原假设H₀

与

备择假设H₁2选择检验统计量选择检验统计量，确定其在H₀成立下的分布3确定拒绝域给定

显著性水平α

，确定

拒绝域

及临界值4计算观测值抽取样本，计算检验统计量的观测值5做出判断落入拒绝域则拒绝H₀，否则不拒绝H₀无论何种检验，流程都可以归纳为五步这五步是全课反复使用的主线框架单侧检验与双侧检验拒绝域的位置，取决于备择假设的方向双侧检验拒绝域分布在统计量分布的两端，各占

α

的一半。两侧均摊单侧检验拒绝域集中在分布的一端，整块

α

落在同侧。力量集中·临界值由显著性水平

α

和分布形态共同决定·同等

α

下，单侧检验更易拒绝，因为力量集中在一侧·选择依据是研究问题本身是否有明确方向方向必须先于数据确定，这是保证检验有效的前提。风险与规则没有零风险的判断理解两类错误，才能读懂检验的尺度02判断必然伴随风险由于抽样的随机性，任何判断都有出错的可能。二者无法完全避免，只能加以控制。认清这两类错误，是理解后续规则设计的钥匙。第一类错误（弃真）H₀

实际为真，却拒绝了它概率记为

α弃真第二类错误（取伪）H₀

实际不真，却没有拒绝它概率记为

β取伪两类错误的四种情形控制α，是整套检验规则的核心抓手。将真实情况与检验判断交叉，可得四种结果。真实情况拒绝H₀不拒绝H₀H₀为真第一类错误

α判断正确H₀不真判断正确第二类错误

β对角线规律对角线外是错误区，对角线内是正确区α优先控制通常优先把α控制在较小水平审判类比α是冤枉好人，β是放过坏人显著性水平与拒绝域规则一旦确定，判断就变得客观可操作显著性水平是把风险量化的标尺核心概念显著性水平α：允许犯第一类错误的最大概率，常取

0.05

或

0.01拒绝域：统计量取值中足以拒绝H₀的区域临界值：拒绝域与接受域的分界点判断规则统计量落入拒绝域，则拒绝H₀；落入接受域，则不拒绝α越小，拒绝域越窄，越不容易拒绝H₀两类错误的权衡揭示两类错误此消彼长的关系，引出样本量这一关键制约因素两类错误之间，存在此消彼长的关系。此消彼长的约束样本量固定时，减小

α

会使

β

增大反之，减小

β

也会使

α

增大，无法两全破解途径同时降低两类错误的唯一途径，是增大

样本量实践中通常先固定

α，再设法压低

β检验的势=1−β，衡量正确拒绝错误原假设的能力；样本量是检验设计中最重要的可调手段。VS如何提升检验的势增大样本量最直接有效的手段适当放宽α可换取更大的势，但需权衡第一类错误代价真实差异更大越容易被检出，但研究者通常无法控制选用高效统计量提升检验效率预先计算实验设计阶段确定势与样本量关系好的检验，是风险与灵敏度之间的平衡。均值检验均值是否可信Z检验与t检验，回答总体均值之问03均值检验的两条线索先判断方差是否已知，再选择对应的方法。情形一总体方差

σ²已知使用

Z统计量情形二总体方差

σ²未知使用

t统计量共同前提：总体接近正态，或样本量足够大样本量较大时，可依据中心极限定理近似处理VS方差已知的Z检验检验统计量

Z＝（样本均值−μ₀）×√n÷σ判定规则前提在

H₀成立下，Z服从标准正态分布双侧拒绝域：Z的绝对值大于临界值z(α÷2)右侧拒绝域：Z大于

z(α)左侧拒绝域：Z小于

负z(α)偏离越大，Z的绝对值越大，越容易落入拒绝域。Z检验例题演示1建立假设H₀为μ=500，H₁为μ≠5002计算统计量Z=（495−500）×√25÷8=−3.1253查临界值双侧临界值z(0.025)=1.964比较判断1.96<3.125，落入拒绝域5结论拒绝H₀，认为包装净重均值已偏离设定值例题：某包装机设定每袋净重

μ₀=500克，已知

σ=8克。抽取

n=25袋，样本均值

495克。在

α=0.05

下检验均值是否异常。偏离方向为负，说明均值偏小。方差未知的t检验t＝（样本均值−μ₀）×√n÷S用样本标准差估计，代价是分布的不确定性增大。方差未知时，用样本标准差替代总体标准差H₀成立下的分布在H₀成立下，t服从自由度为

n−1

的t分布尾部形态t分布的尾部比标准正态分布

更厚与正态分布的关系样本量越大，t分布越接近

标准正态分布拒绝域判定拒绝域判定方式与Z检验相同，仅

临界值不同实践中的应用实践中方差往往未知，t检验使用更广t检验例题演示››››例题条件：某指标标准均值μ₀＝

10，抽取n＝

16，样本均值

10.5，样本标准差S＝

0.8，取α＝

0.05，做双侧检验1建立假设H₀为μ＝10，H₁为μ≠102计算统计量t＝（10.5−10）×√16÷0.8＝

2.53确定自由度n−1＝

154查临界值双侧临界值t(0.025,15)≈2.1315比较判断2.5

＞

2.131，落入拒绝域，拒绝H₀样本均值偏大，提示该指标可能已高于标准两个总体均值的比较比较两组数据均值是否相同，是最普遍的应用场景。检验目标Hypothesis判断两个总体的均值是否相等。数据形式Data来自两个总体的独立样本。方差已知Z统计量用

Z统计量，标准误包含两总体方差。方差未知但相等t统计量用合并方差构造

t统计量。配对样本的检验01配对数据同一对象的前后测量，或按条件配成的对子→02处理方法先求每对数据的差值→03检验目标判断差值总体的均值是否为

0→04实现方式对差值做单样本t检验→05优势消除了个体之间的差异，效率更高应用举例：用药前后的指标变化、同一样本的两种测量方法配对数据通过求差，转化为熟悉的单样本问题方差与拟合检验不止看均值卡方检验，检验方差与分布拟合04单个总体方差的检验方差反映稳定性，检验方差同样重要检验统计量：χ²＝（n−1）×S²÷σ₀²方差不合格，往往意味着质量控制出现了问题。检验目标判断总体方差

σ²

是否等于给定值

σ₀²分布性质在

H₀

成立下服从自由度

n−1

的卡方分布拒绝域特征卡方分布不对称，上下界需分别查表双侧规则两侧面积各为

α的一半典型应用检验生产过程的稳定性是否达标两个总体方差比的检验方差齐性是许多均值比较方法的前提。检验统计量

F＝S₁²÷S₂²检验目标判断两总体方差是否相等在

H₀成立下，F服从自由度组合为

(n₁−1,n₂−1)

的F分布F分布不对称，拒绝域由上下临界值确定应用与操作通常把较大的样本方差放在分子，便于查表应用：比较两条生产线的稳定性优劣分布的拟合优度检验引入拟合优度检验，说明如何用卡方统计量检验整体分布形态有时关心的不是某个参数，而是整体分布形态。统计量越小，观测分布与理论分布越吻合。检验思路问题样本是否来自某个假定的分布方法皮尔逊卡方拟合优度检验核心思想比较每一组的观测频数与理论期望频数自由度组数减1，再减去由样本估计的参数个数统计量构造统计量公式χ²=Σ（观测频数−期望频数）²÷

期望频数自由度组数减1，再减去由样本估计的参数个数判读统计量越小，观测分布与理论分布越吻合拟合检验的实施步骤拟合优度检验有一套清晰的操作流程。1建立原假设样本来自某个指定分布2数据分组统计各组的观测频数3计算期望按假定分布求各组期望频数4计算统计量卡方统计量的观测值5比较判断与临界值比较，做出结论分组要点各组期望频数一般不小于

5

，否则应合并相邻组；分组不宜过少，也不宜过多。列联表的独立性检验两个分类变量是否相关，可用列联表来检验。检验框架3项检验目标判断两个分类变量是否相互独立数据形式行数为

r、列数为

c

的列联表期望频数算法行合计

×

列合计

÷

总计统计量与自由度3项统计量与拟合检验同形，比较观测与期望频数自由度（行数−1）×（列数−1）应用举例性别与消费偏好是否相关、地区与满意度是否关联卡方检验族小结共同点：统计量均服从卡方分布，都比较观测与理论共同要求：样本量充分，期望频数不能过小都在问“观测与理论差得远不远”三类卡方检验，实为同一思想的三种应用方差检验针对参数，判断总体方差是否符合设定拟合优度检验针对分布，判断数据是否来自某项分布独立性检验针对关联，判断两分类变量是否独立决策与拓展用P值说话从计算结果到统计决策的最后一公里05P值的含义“读懂P值，就能读懂绝大多数研究报告的统计结论。”P值已成为现代统计检验最常用的报告方式。定义与规则定义在

H₀成立下，出现当前或更极端样本结果的概率判断规则P值不超过

α，则拒绝H₀性质与优势P值越小，样本与原假设越矛盾P值反映的是证据的强度，不是结论的对错它比临界值法提供了更细致的信息两种判断方式的比较对于同一数据与同一

α，两种方法结论完全一致规范报告通常同时给出统计量值、自由度与P值殊途同归——P值法与临界值法，两种判断方式，同一判断标准。临界值法操作路径事先划定拒绝域→看统计量是否落入核心要点直观，需查表P值法操作路径直接计算概率→与

α

比较核心要点无需查表，体现证据强弱检验与置信区间的关