5第五章(二)统计推断概述2假设检验基本原理
报告中的统计推断与假设检验方法
报告中的统计推断与假设检验方法统计推断是统计学中的一项重要内容，通过从样本数据中推断总体特征，为决策和预测提供科学依据。
而假设检验是统计推断的一种方法，用于验证关于总体特征的假设。
本文将从理论和实践两个方面，详细论述报告中的统计推断与假设检验方法。
一、统计推断的基本原理统计推断是通过从样本数据中抽取有关总体特征的统计量，来推断总体特征的一种方法。
其基本原理包括两个方面：抽样及抽样分布。
1.1 抽样抽样是统计推断的基础，通过从总体中选择部分个体组成样本，以此来获取总体特征的估计值。
常见的抽样方法包括简单随机抽样、分层抽样和系统抽样等。
抽样需要满足随机性和代表性的原则，以保证样本的可靠性和有效性。
1.2 抽样分布抽样分布是指在相同条件下，进行多次抽样所得统计量的概率分布。
中心极限定理是抽样分布的重要理论基础，它说明当样本容量足够大时，样本均值的分布近似服从正态分布。
抽样分布的性质决定了统计推断的有效性和可靠性。
二、假设检验方法的基本步骤假设检验是用于验证关于总体特征的假设的一种方法。
它的基本步骤包括：提出假设、设置显著性水平、计算检验统计量、判断显著性与否、得出结论。
2.1 提出假设在假设检验中，需要提出原假设和备择假设。
原假设（H0）是对总体特征的主张，备择假设（H1）是对原假设的否定或互补。
2.2 设置显著性水平显著性水平（α）是在假设检验中决定是否拒绝原假设的临界点。
常用的显著性水平有0.05和0.01等，根据具体问题和研究要求来设定。
2.3 计算检验统计量通过样本数据计算得到检验统计量，其选择与假设检验的问题有关。
常见的检验统计量有t检验、F检验和卡方检验等。
2.4 判断显著性与否根据检验统计量与显著性分布的比较，判断检验结果是否显著。
若检验统计量落在拒绝域内，表示拒绝原假设；若检验统计量落在接受域内，表示无法拒绝原假设。
2.5 得出结论在得出结论时，需要根据显著性水平和检验结果综合判断。
若拒绝原假设，则接受备择假设；若无法拒绝原假设，则无法支持备择假设。
统计推断与假设检验
统计推断与假设检验在统计学中，统计推断是指利用样本数据来对总体进行估计或进行假设检验的一种方法。
统计推断的基本思想是通过对样本数据的分析，得出对总体的结论。
而假设检验是统计推断的一种重要方法，它用于判断某个假设是否成立。
一、统计推断的基本概念统计推断分为点估计和区间估计两种方法。
点估计是通过样本数据来估计总体参数的值，常用的点估计方法有最大似然估计和矩估计等。
区间估计是通过对样本数据进行分析，得出总体参数的置信区间，以确定总体参数落在一定范围内的可能性大小。
二、假设检验的基本步骤假设检验是通过检验样本数据与某个假设的一致性来得出结论的方法。
假设检验的基本步骤包括提出原假设、选择显著性水平、计算检验统计量、确定拒绝域和做出结论。
原假设通常为无效或无差异的假设，备择假设则是我们希望证明的假设。
三、常用的假设检验方法1. 单样本均值检验单样本均值检验是用于检验总体均值是否等于某个给定值的方法。
其基本思想是比较样本均值和给定值之间的差异是否显著。
常用的检验方法有Z检验和T检验。
2. 两样本均值检验两样本均值检验用于检验两个总体均值是否相等。
常用的方法有独立样本T检验和配对样本T检验。
独立样本T检验适用于两个独立的样本，而配对样本T检验适用于两个相关样本。
3. 单样本比例检验单样本比例检验用于检验总体比例是否等于某个给定的值。
常用的方法有Z检验。
4. 两样本比例检验两样本比例检验用于检验两个总体比例是否相等。
常用的方法有独立样本比例检验和配对样本比例检验。
5. 卡方检验卡方检验是一种用于检验观察频数与理论频数是否存在显著差异的方法。
常用的方法有卡方拟合优度检验和卡方独立性检验。
四、统计推断与现实生活的应用统计推断在现实生活中有着广泛的应用。
例如，在医学研究中，可以利用统计推断的方法对药物的效果进行评估和比较；在市场调查中，可以通过假设检验方法判断广告是否对消费者产生了显著影响；在质量控制中，可以通过统计推断方法进行产品质量的监控等。
统计推断与假设检验
统计推断与假设检验统计推断是指通过对样本数据的分析和计算，对整个总体的未知参数进行推断的过程。
而假设检验则是统计推断的一种常用方法，用于判断某个假设是否与观察到的样本数据一致。
本文将介绍统计推断与假设检验的基本原理和应用。
一、统计推断的基本原理统计推断依赖于概率论和数理统计的方法，通过对样本数据进行分析和计算，得出总体参数的估计值，并给出估计值的区间估计。
在进行统计推断时，需要假设总体分布的形式、参数的取值范围等。
1. 点估计点估计是通过样本数据的统计量，如样本均值、样本方差等，来估计总体未知参数的值。
点估计可以提供总体参数的一个大致估计，但无法给出参数估计的精确程度。
2. 区间估计区间估计是在点估计的基础上，给出参数估计的区间范围。
常见的区间估计方法有置信区间和预测区间。
置信区间表示真实参数值落在某一区间内的概率，而预测区间则是用于预测新样本的取值范围。
二、假设检验的基本原理假设检验是一种用于判断某个假设是否与观察到的样本数据一致的统计方法。
在假设检验中，需要提出一个原假设和一个备择假设，并根据样本数据的统计量来对假设进行检验。
1. 原假设（H0）与备择假设（H1）原假设是对总体参数的一个特定值或一种特定关系的假设，备择假设则是对原假设的补充或相反的假设。
在假设检验中，我们通常将原假设看作是默认的假设，而备择假设则是我们希望证明的假设。
2. 显著性水平和拒绝域假设检验时需要设定一个显著性水平（α），用来判断样本数据是否足够支持拒绝原假设。
拒绝域是指样本数据的取值范围，若样本数据落在拒绝域内，则拒绝原假设；否则，接受原假设。
三、统计推断与假设检验的应用统计推断和假设检验在各个领域具有广泛的应用，下面以两个实际案例进行说明。
1. 药物疗效测试假设一家制药公司研发了一种新药，并希望验证该药是否比现有药物更有效。
抽取一组患者进行实验，随机分为两组，一组接受现有药物治疗，另一组接受新药治疗。
通过对两组患者的治疗效果进行统计分析，可以得出比较两种药物疗效的结论。
经济统计学中的统计推断与假设检验
经济统计学中的统计推断与假设检验统计推断和假设检验是经济统计学中的重要概念和工具。
它们帮助经济学家从有限的样本数据中推断总体的特征，并进行假设的验证。
本文将介绍统计推断和假设检验的基本原理和应用。
一、统计推断统计推断是指根据样本数据来推断总体的特征。
在经济统计学中，我们通常无法获得总体的全部数据，而只能通过抽样获取一部分数据。
因此，我们需要利用样本数据来推断总体的特征，如总体均值、总体方差等。
统计推断的核心是利用样本数据估计总体参数，并给出估计的置信区间。
置信区间是指我们对总体参数的估计范围，在一定的置信水平下，我们可以相信总体参数落在该区间内。
例如，我们可以利用样本均值来估计总体均值，并给出置信区间。
置信区间的宽度取决于样本大小和置信水平，样本越大、置信水平越高，置信区间越窄，估计越准确。
在进行统计推断时，我们还需要考虑样本的随机性和误差。
样本数据只是总体的一部分，它们可能受到抽样误差和随机变动的影响。
因此，我们需要利用统计方法来控制误差，并给出估计的精度。
二、假设检验假设检验是指根据样本数据来验证关于总体的假设。
在经济统计学中，我们常常需要验证某个经济理论或假设是否成立。
例如，我们想知道某个政策是否对经济增长有显著影响，或者某个产品的销售是否超过了预期。
假设检验的基本思想是建立一个原假设和一个备择假设，并利用样本数据来判断哪个假设更符合观察到的数据。
原假设通常是我们要验证的假设，而备择假设是对原假设的补充或对立假设。
在进行假设检验时，我们需要选择一个适当的检验统计量，并设定一个显著性水平。
检验统计量是用来衡量样本数据与原假设之间的差异程度的指标。
显著性水平是我们对原假设的拒绝程度的设定，通常取0.05或0.01。
根据检验统计量和显著性水平，我们可以计算出一个p值。
p值是指在原假设成立的情况下，观察到的数据或更极端数据的概率。
如果p值小于显著性水平，我们就可以拒绝原假设，认为备择假设更符合观察到的数据。
统计推断与假设检验
统计推断与假设检验统计推断和假设检验是统计学中常用的两个概念。
它们旨在通过对样本数据的分析和统计方法的应用，对总体参数进行推断和假设的检验。
本文将探讨统计推断和假设检验的含义、原理和应用，并以实例说明其在实际问题中的重要性。
一、统计推断的概念和原理统计推断是指通过对样本数据的研究，对总体参数进行估计和推断的过程。
总体参数是指研究对象的某个特征或性质，如总体均值、方差等。
在实际情况中，我们很难直接获取总体的全部数据，因此需要利用样本数据来进行推断。
统计推断的原理主要依赖于大数定律和中心极限定理。
大数定律指出，当样本容量足够大时，样本均值的稳定性接近于总体均值。
中心极限定理则说明，当样本容量足够大时，样本均值的分布接近于正态分布。
基于这些定理，我们可以通过对样本数据的分析，对总体参数进行推断。
在统计推断中，常用的方法有点估计和区间估计。
点估计是通过样本数据，对总体参数进行估计，得到一个具体的数值。
而区间估计是对总体参数给出一个区间范围，描述了总体参数的不确定性程度。
二、假设检验的概念和步骤假设检验是用于对研究假设进行检验的一种统计方法。
研究假设通常分为零假设和备择假设。
零假设是指要进行检验的假设，而备择假设则是与零假设相对立的假设。
假设检验的步骤主要包括以下几个方面：1. 建立假设：根据研究问题，明确零假设和备择假设。
2. 选择显著性水平：显著性水平决定了拒绝零假设的临界点，通常选择0.05或0.01作为显著性水平。
3. 计算检验统计量：根据样本数据，计算得到检验统计量。
4. 判断拒绝域：根据显著性水平和检验统计量的分布，确定拒绝域。
5. 进行假设检验：将计算得到的检验统计量与拒绝域进行比较，判断是否拒绝零假设。
6. 得出结论：根据假设检验的结果，得出对零假设的接受或拒绝。
假设检验的目的是通过样本数据，对研究假设的真实性进行判断。
如果拒绝了零假设，则说明样本数据支持备择假设，我们可以认为研究假设成立；反之，若接受了零假设，则说明样本数据不支持备择假设，我们不能得出研究假设成立的结论。
统计推断与假设检验方法
统计推断与假设检验方法统计推断是一种通过对样本数据进行分析来得出总体特征的方法。
假设检验是统计推断的一种应用，主要用于检验某种假设是否成立。
本文将介绍统计推断的基本原理及常用的假设检验方法。
一、统计推断的基本原理统计推断通过对样本数据的分析，得出对总体特征的推断。
在得出推断前，需要对样本数据进行描述性统计分析，包括计算各种统计指标（如均值、方差、标准差等），以及作出图表展示。
通过这些分析结果，可以对总体特征进行估计。
统计推断分为参数推断和非参数推断两种方法。
1.1 参数推断参数推断是基于总体参数的估计和假设检验。
总体参数是总体特征的数值表示，如总体均值、总体方差等。
参数推断首先要对总体参数进行估计，估计方法包括点估计和区间估计。
点估计是使用样本数据来估计总体参数的具体数值，而区间估计是使用样本数据来估计总体参数的范围。
1.2 非参数推断非参数推断是不依赖于总体参数的估计和假设检验。
非参数推断通过对样本数据的分布进行比较和检验，来推断总体特征。
其中最常见的非参数推断方法是秩和检验和Bootstrap方法。
二、假设检验方法假设检验是统计推断的一种应用，用于检验某种假设是否成立。
在进行假设检验时，首先需要建立原假设和备择假设。
2.1 原假设与备择假设原假设是对总体特征的假设，通常表示为H0。
备择假设是与原假设相反的假设，通常表示为H1或Ha。
2.2 假设检验步骤假设检验的步骤包括确定显著性水平，计算检验统计量，确定拒绝域和作出结论。
2.2.1 显著性水平显著性水平（α）是指出现误差的概率，通常取0.05或0.01。
显著性水平越小，对原假设的要求越高。
2.2.2 检验统计量检验统计量是用来判断样本数据对原假设的支持程度的指标。
常见的检验统计量有t值、z值、卡方值等。
2.2.3 拒绝域拒绝域是指在给定显著性水平下，当检验统计量落在一定范围内时，拒绝原假设的区域。
2.2.4 结论根据检验统计量的取值，结合拒绝域，可以对原假设进行接受或拒绝的结论。
统计学中的推断与假设检验
统计学中的推断与假设检验统计学是一门探究数据分析和推断的学科，它广泛应用于各个领域，包括经济学、医学、社会科学等。
在统计学中，推断与假设检验是两个关键的概念和方法。
本文将深入探讨推断的概念、假设检验的原理、常见的假设检验方法以及在实际应用中的一些注意事项。
一、推断的概念与作用在统计学中，推断是指通过对样本数据的分析与总体概率分布的推断，从而得出总体特征的结论。
推断的作用在于根据样本数据对总体进行推断，使我们能够通过对样本中的一部分数据进行观察和研究，来了解总体的特征和规律。
推断可以分为点估计和区间估计两种方法。
点估计是通过样本数据的统计量来估计总体参数的数值，例如使用样本均值来估计总体均值。
区间估计则是通过样本数据的统计量来给出总体参数的估计区间，例如使用置信区间来估计总体均值的范围。
二、假设检验的原理在统计学中，假设检验是一种基于样本数据的统计推断方法，用于检验关于总体参数的假设。
假设检验的核心思想是利用样本数据对研究假设进行推断，并通过对观察到的样本数据与假设之间的差异进行分析，最终得出是否拒绝或接受原假设的结论。
假设检验分为零假设（原假设）和备择假设两个部分。
零假设是对总体参数的某种假设，我们需要通过样本数据来检验其是否成立。
而备择假设则是对零假设的否定，即我们要检验零假设是否应该被拒绝，或者是否可以接受备择假设。
假设检验的核心目标是确定样本数据与零假设之间的显著性差异是否足够大，从而能够得出是否拒绝零假设的结论。
三、常见的假设检验方法1. 单样本检验单样本检验用于检验一个样本的平均值或比例是否与一个已知的总体参数相等。
常见的单样本检验方法包括正态总体均值的假设检验、二项总体比例的假设检验等。
2. 双样本检验双样本检验用于比较两个独立样本的平均值或比例是否相等。
常见的双样本检验方法包括独立样本 t 检验、配对样本 t 检验等。
3. 方差分析方差分析用于比较三个或三个以上样本的均值是否存在差异。
应用统计学(第五章 统计推断)
检验统计量： χ2 (n 1) s2 σ02
例题5 已知某农田受到重金属污染，抽样测定其镉含量
(μg/g)分别为：3.6、4.2、4.7、4.5、4.2、4.0、3.8、
3.7，试检验污染农田镉含量的方差与正常农田镉含量的方 差0.065是否相同。
解：假设 H0：σ 2 σ02 , H A：σ 2 σ02
P(μ-1.960 σ x ≤ x < μ+1.960 σ x)=0.95
否定区
接受区
否定区
左尾
0.025
μ-1.960σ x
0.95
0.025
0 μ+1.960σ x
右尾
临界值： ± uσ x= ± 1.960σ x
双尾检验 = 0.01
P(μ-2.576 σ x ≤ x < μ+2.576 σ x)=0.99
解： 假设： H0： μ ≤ μ0， HA ： μ > μ0 确定显著水平：α＝0.05 检验统计量：u x μ0 379.2 377.2 1.818 σ n 3.3 9 u0.05=1.645，计算得：u=1.818>u0.05，P<0.05
推断：否定H0，接受HA。
即：栽培条件的改善，显著提高了豌豆籽粒重量。
4)推断
接受/否定H0(HA，实际意义)
例题1 正常人血钙值服从的正态分布，平均值为2.29 mM，标准差为 0.61mM。现有8名甲状旁腺减退患者经治疗后，测得其血钙值平均为 2.01mM，试检验其血钙值是否正常。
1)提出假设 2)确定显著水平 3)计算概率 4)推断
1)提出假设
H0
零假设 /无效假设
对 /检验假设
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
13:06:12
16
统计结论：
1 检验统计量绝对值 <临界值0.05，则相伴概 率 P>0.05，接受H0 ，差异不显著；
2 临界值0.05<检验统计量绝对值 <临界值0.01， 则相伴概率 0.01<P<0.05，否定H0 ，差异 显著； 3 检验统计量绝对值 >临界值0.01，则相伴概 率 P<0.01，否定H0 ，差异极显著；
（2）相伴概率P：是指在原假设成立时检验统计 量值及所有比它更极端的可能值出现的概率之 和(P---)
13:06:12 15
假设检验的基本步骤
统计结论：
－ 差异不显著：在＝5％水平下， 检验统计量的观察值落在接受域中， － 差异显著：在＝5％水平下，检 验统计量的观察值落在否定域中 － 差异极显著：在＝1％水平下， 检验统计量的观察值落在否定域中
Biostatistics and Experimental Design
畜牧、兽医专业
生物统计 附 试验设计
13:06:12
1
统计推断概述内容1小节
一 二 三 四 五 统计推断的概念 抽样分布的概念 统计量的概率分布-抽样分布 正态总体样本平均数的抽样分布 参数估计
13:06:12
2
统计推断概述内容2
13:06:12
18
举例说明
（2）计算检验统计量
Z=
x- m
8.7 - 9 = = - 3.162 2 s n 2.5/ 10
13:06:12
19
（3）确定否定域：
若取 ＝5％，否定域为Z > 1.96 或 Z < 1.96,临界值U0.05=1.96 ，Z = -3.162 < -1.96，统 计量Z落入否定区，否定H0，相伴概率P<0.05 结论：该场猪的平均背膘厚与9mm差异显著
这个过程称为假设检验 (hypothesis testing)
13:06:12 7
4 小概率事件原理
（1）小概率事件在一次试验中几乎不会 发生 （2）如果某事件在一次试验中发生了， 我们可认为它不是一个小概率事件 （3）如果在某个假设下应当是小概率的 事件在一次试验中发生了，可认为该 假设不能成立
31
2 两类错误
任何假设检验的结果都有犯错误的可能 （1）I型错误：否定正确H0的错误 ，即原 假设正确但被否定，把非真实差异错判为真 实差异。 当P<时，结论才为否定H0，所以犯一 型错误的概率P(一类错误) = 原因是进行假设检验时，对总体的判断 依据是小概率原理，小概率也有发生的可能； 检验时人为确定了否定区；
13:06:12
22
否定域
若取 ＝1％，则
1- P(- u0.01 ＃Z
否定域 0.005%
-2.58
13:06:12
u0.01 ) = 0.01
否定域 0.005%
2.58
23
接受域 99%
否定域：Z > 2.58 或 Z < -2.58，即|Z| > 2.58
三 假设检验几个相关概念
1 双侧检验和单侧检验 2 两类错误
13:06:12
4
1 问题的提出
例 ：某猪场称该场的猪在体重为100kg时的平均背膘厚 度为9mm。 问题：此说法是否正确？有4种可能性（假设） 假定 为猪在体重为100kg时的平均背膘厚度所在的 总体均数 1）正确： ＝ 9 2）不正确： 9（| － 9| > 0） 3）不正确： < 9 4）不正确： > 9 三对假设： ＝ 9 vs 9， ＝ 9 vs < 9， ＝ 9 vs >9
13:06:12 8
二 假设检验的基本步骤
1 提出假设：对样本所在的总体提出假 设
H0: = 0= 9mm HA: ≠ 0 ≠ 9mm （1）H0是被检验的假设，称之为原假设、零 假设、无效假设；意为该样本属于或来自 已知总体;表面差值属于试验误差; （2）HA是否定 H0 时要接受的假设，称为备 择假设；意为没有足够理由接受H0;表面差 值不属于试验误差;
13:06:12 6
3 如何根据样本结果作出统计推断？
（1）针对要回答的问题提出一对对立的假设，并对 其中的一个假设进行检验 （2）找到一个样本统计量，它与提出的假设有关， 其抽样分布已知，据此可以计算该统计量出现在 某范围的可能性大小（P）或出现的区间位置 （3）人为规定一个小概率标准（0.05/0.01） （4）根据这个统计量观察值出现的相应概率p与 进行比较，利用小概率事件原理对假设是否成立 做出推断
13:06:12
24
三 假设检验几个相关概念
1 双侧检验和单侧检验 （1）双侧检验（two-side test)或两尾检验（twotailed test)： H0: = 0= 9mm HA: ≠ 0 ≠ 9mm 如果假设检验的否定域分别在检验统计量抽样分 布的两尾，称之为两尾检验. 采用这种假设是考虑到 > 0和 ＜ 0两种可能 性;试验研究的任务一般都在于探索未知,一个新措 施可能优于原有方法,也可能劣于原有方法;而一个 样本平均数 x 又可能大于 或小于 ,我们事先 不能只从一个方面着想;因此,两尾检验是最为广泛 应用的.
13:06:12
11
假设检验的基本步骤
若取 ＝5％，则
1- P(- u0.05 ＃Z
否定域 2.5%
-1.96
13:06:12
u0.05 ) = 0.05
否定域 2.5%
1.96
12
接受域 95%
否定域：Z > 1.96 或 Z < -1.96，即|Z| > 1.96
99.7% 95.5%
68.3%
假设检验的基本步骤
4 对所作的假设进行统计推断
（1）比较检验统计量(Z值、t值、F值、X2值） 和否定域的临界值，判定是否落入否定域，是 否接受H0
2 U 0.05 = 1.96; t0.05( df ) = ?; F0.05( df1, df 2 ) = ? X 0.05( df ) = ? 2 U 0.01 = 2.58; t0.01( df ) = ?; F0.01( df1, df 2 ) = ? X 0.01( df ) = ?
如果将显著水平从0.05提高到0.01，则 由于假设分布1中的 接受区扩大，抽样分 x 布2落入该区域的将更多，因此更易接受H0， 犯Ⅱ类错误的概率增大； 所以，显著水平定的过高（小），虽然在 否定H0时减少了犯Ⅰ类错误的概率（），但 在接受H0时却可能增大犯Ⅱ类错误的概率（）
假设检验基本原理
一 假设检验的概念 二 假设检验的基本步骤 三 假设检验几个相关概念
13:06:12
3
一 假设检验的概念
假设(hypothesis) 对总体的某些未知的或不完全知 道的性质所提出的待考察的命题 假设检验(hypothesis testing),又 叫显著性检验(test of significance) 对假设成立与否做出的推断
2 两类错误
假设分布
真实抽样分布
/2 1
/2 2
m + ua s 1 1
n
x ~ N ( 1,
13:06:12
2 1
n
)
x ~ N (2 ,
2 2
n
)
34
在假设检验中如何降低犯错误的可 能性？
一、显著水平不能定的太高，以免在
接受H0时增大
13:06:12
35
在假设检验中如何降低犯错误的可能性？
26
在某些情况下,两尾检验不一定符合实际需要。 例如:某型电子计算器的寿命（使用时数）规定 为≥ 0，如果进行抽样测试，则在 > m0 时，无 x 论大多少，都不需要否定H0；但如< m0 ，却有 x 可能是一批不合格的产品。 因此，检验的假设应为: H0： ≥ 0（产品合格）， HA ： < 0（产品不合格）；这样否定域只有 左尾。
-3 -2 -
+ +2 +3 x
13:06:12
13
属于某个总体的统计量距离总体均 数越远则其绝对值越大，越有可能是 一个离群值或极值，有很大可能不属 于该总体； 如果否定原假设（H0:属于该总 体），意味表面差异不属于试验误差， 处理效应(本质差异)存在。
13:06:12 14
13:06:12
20
Байду номын сангаас定域
若取 ＝5％，则
1- P(- u0.05 ＃Z
否定域 2.5%
-1.96
13:06:12
u0.05 ) = 0.05
否定域 2.5%
1.96
21
接受域 95%
否定域：Z > 1.96 或 Z < -1.96，即|Z| > 1.96
若取 ＝1％，否定域为Z > 2.58 或 Z < 2.58，临界值U0.01=2.58，Z= -3.162 < -2.58 ，统 计量Z落入否定区，否定 H0，相伴概率P<0.01 结论：该场猪的平均背膘厚与9mm差异极显著
3）否定域： 取 = 0.05
U0.05（单尾）= U0.1（双尾）= -1.64
4）推断：
z = -3.162 < -1.64
否定原假设
13:06:12
5%
-1.64
29
右侧检验举例
1）假设： H0: = 9， HA: > 9 2）检验统计量：同双侧检验， Z = -3.162
13:06:12 25
三 假设检验几个相关概念
（2）单侧检验（one-side test)或一尾检验 （one-tailed test)： 如果假设检验的否定域只在检验统计量抽 样分布的一侧，称之为一尾检验. 左侧检验：否定域在检验统计量分布的左侧 右侧检验：否定域在检验统计量分布的右侧