Files
MathNotesVersion2/基于考研的学习/数学一/在学练习/概率论-第6讲-数理统计/09-点8-假设检验与两类错误.md
T
Yimu 4e4009de30 重构概率论第6讲为「知识点带题」格式,并修复跨讲死链
- 第6讲数理统计:删旧三件套(01-考点手册 4.8 万字符 / 02-试题 / 03-解析)与 PDF,
  改为 01-知识点盘点 + 02—09 八点分册 + 10-速查卡,共 10 文件 26 题
- 八点:总体样本与统计量 / 三大抽样分布 / 正态总体抽样分布 / 矩估计 /
  最大似然 / 评价标准 / 区间估计 / 假设检验与两类错误
- 盘点含 §0.1 按分值、§0.2 依赖链、§0.3 符号、§0.4 AUTO 反查、§9 覆盖对照(21 条)、§10 接口
- 修复 2026-10 第3讲重构留下的死链:大题十年考点/15-点14(7 处指向已删 01-考点手册)、
  知识点构建/17-背诵版第3讲(回查入口 4 处)
- 知识点构建/20-背诵版第6讲:回查入口改指新文件,题源注明旧 18 题清单已失效待重出
- 同步:总览.md 第6讲目录树、知识点构建 README 题量 18 → 26
2026-11-07 13:02:26 +08:00

240 lines
18 KiB
Markdown
Raw Blame History

This file contains ambiguous Unicode characters
This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.
---
tags: [数学一, 在学练习, 概率论, 数理统计, 假设检验, 两类错误]
专题: 概率论 第6讲 · 点8 假设检验与两类错误
日期: 2026-11-07
状态: 知识点带题(8.1 两类错误、8.2 拒绝域与显著性水平、8.3 六大检验,共 4 题)
关联笔记: ["[[README]]", "[[01-知识点盘点]]", "[[08-点7-区间估计]]"]
---
# 点 8 假设检验与两类错误
> **2018·8、2021·10、2025·10 三道选填(4+5+5 分)**|重要度 ★★★
> 依赖:点 3 的四个结论(检验统计量的分布全从这里来)、点 7 的枢轴量思想。盘点对应:§8 全节。
**组织原则**:假设检验与区间估计是**同一套分布的两种问法**——区间估计问"参数在哪个范围",检验问"参数等不等于某个值"。所以这一点的四题全部与点 7 对齐:点 7 题 2 的三个区间 → 题 3 的三个检验;点 7 题 3 的两个区间 → 题 4 的两个检验。**题 4 的结论会与点 7 题 3 的区间完全吻合**,那不是巧合,是对偶。前两题按真题站位(第二类错误、拒绝域方向),后两题是完整流程演练。难度:题 1、2、4 为 ★★☆,题 3 为 ★★★。
## 知识点 8.1 原假设、两类错误(出处:[知识章 §5](../../../../参考仓库/Math/probability-theory-and-mathematical-statistics/knowledge/5-mathematical-statistics/mathematical-statistics.tex))
| 真实情况 | 接受 $H_0$ | 拒绝 $H_0$ |
|---|---|---|
| $H_0$ 为真 | 正确,概率 $1-\alpha$ | **第一类错误**(弃真),概率 $\alpha$ |
| $H_0$ 为假 | **第二类错误**(取伪),概率 $\beta$ | 正确,概率 $1-\beta$ |
**$\alpha$ 是"冤枉好人"的概率,$\beta$ 是"放过坏人"的概率**。样本量 $n$ 固定时,$\alpha$ 小则 $\beta$ 大,二者此消彼长;要同时减小只能增大 $n$ 。
**两条计算式**(这是选填题的全部内容):
$$\alpha=P\{\text{拒绝}H_0\mid H_0\text{为真}\},\qquad \beta(\mu_1)=P\{\text{接受}H_0\mid \mu=\mu_1\}.$$
> **$\beta$ 不是"一个数",而是参数的函数**。所以真题问 $\beta$ 时**一定给定一个具体的备择值**(如 $\mu=11.5$ ),否则 $\beta$ 无法计算。这是 2021·10 的设问方式,也是它的隐含提示。
## 知识点 8.2 拒绝域与显著性水平(出处:[知识章 §5](../../../../参考仓库/Math/probability-theory-and-mathematical-statistics/knowledge/5-mathematical-statistics/mathematical-statistics.tex))
**显著性水平** $\alpha$ = 允许的第一类错误上限。拒绝域由 $\alpha$ 与**备择假设的方向**共同决定(以 $\sigma$ 已知检验 $\mu$ 为例,$z=\dfrac{\bar X-\mu_0}{\sigma/\sqrt n}$ ):
| 备择假设 | 拒绝域 | 临界值 |
|---|---|---|
| $H_1:\mu>\mu_0$ | $\bar X>\mu_0+z_\alpha\dfrac{\sigma}{\sqrt n}$ | $z_\alpha$ (右侧面积 $\alpha$ ) |
| $H_1:\mu<\mu_0$ | $\bar X<\mu_0-z_\alpha\dfrac{\sigma}{\sqrt n}$ | $-z_\alpha$ |
| $H_1:\mu\ne\mu_0$ | $\left|\bar X-\mu_0\right|>z_{\alpha/2}\dfrac{\sigma}{\sqrt n}$ | $z_{\alpha/2}$ ,每侧 $\alpha/2$ |
**复合原假设(如 $H_0:\mu\le\mu_0$ )的临界值只在边界 $\mu=\mu_0$ 处定**:因为 $\mu$ 越靠近边界,落入拒绝域的概率越大,$\alpha$ 在边界处取到最大值。所以"按 $\mu=\mu_0$ 算 $\alpha$ "不是偷懒,而是保证任意 $\mu\le\mu_0$ 时第一类错误都不超过 $\alpha$ 。
**$\alpha$ 的单调性(2018·8 的全部内容)**:$\alpha$ 越大 $\Rightarrow$ 临界值越小 $\Rightarrow$ 拒绝域越大。于是
$$W_{0.01}\subset W_{0.05},\qquad \overline{W}_{0.05}\subset \overline{W}_{0.01}.$$
即:**小 $\alpha$ 拒绝 $\Rightarrow$ 大 $\alpha$ 必拒绝**(反过来不成立);**大 $\alpha$ 接受 $\Rightarrow$ 小 $\alpha$ 必接受**(反过来不成立)。
## 知识点 8.3 正态总体的六大检验(出处:[知识章 §5](../../../../参考仓库/Math/probability-theory-and-mathematical-statistics/knowledge/5-mathematical-statistics/mathematical-statistics.tex))
| 检验对象 | 条件 | 统计量 | 分布 |
|---|---|---|---|
| 单总体 $\mu$ | $\sigma^2$ 已知 | $\dfrac{\bar X-\mu_0}{\sigma/\sqrt n}$ | $N(0,1)$ |
| 单总体 $\mu$ | $\sigma^2$ 未知 | $\dfrac{\bar X-\mu_0}{S/\sqrt n}$ | $t(n-1)$ |
| 单总体 $\sigma^2$ | $\mu$ 未知 | $\dfrac{(n-1)S^2}{\sigma_0^2}$ | $\chi^2(n-1)$ |
| 两总体 $\mu_1-\mu_2$ | 两方差已知 | $\dfrac{(\bar X-\bar Y)-\delta_0}{\sqrt{\sigma_1^2/n_1+\sigma_2^2/n_2}}$ | $N(0,1)$ |
| 两总体 $\mu_1-\mu_2$ | 方差未知但相等 | $\dfrac{(\bar X-\bar Y)-\delta_0}{S_w\sqrt{1/n_1+1/n_2}}$ | $t(n_1+n_2-2)$ |
| 两总体 $\sigma_1^2/\sigma_2^2$ | 两均值未知 | $\dfrac{S_1^2}{S_2^2}\cdot\dfrac{\sigma_2^2}{\sigma_1^2}$ | $F(n_1-1,n_2-1)$ |
**六大检验与点 7 的五个区间一一对应**,只是把"夹住枢轴量"换成"看统计量是否落进尾部"。**写拒绝域时只需把区间估计的不等式反着用**:
- 双侧检验的**接受域**就是对应参数的**置信区间**($1-\alpha$ 对 $\alpha$ );
- 单侧检验的临界值对应**单侧置信限**。
> **一句话记住方向**:$H_1$ 里的不等号朝哪边,拒绝域就在哪一侧的**尾部**。$H_1:\mu>\mu_0$ 是大值拒绝,绝不可能是小值拒绝。
---
## 题目(按知识点顺序对应)
### 题 1 · 8.1:第二类错误的计算(2021·10 骨架)(★★☆)
> 设 $X_1,\dots,X_{16}$ 来自总体 $N(\mu,4)$ ,考虑检验
>
> $$H_0:\mu\le10,\qquad H_1:\mu>10,$$
>
> 拒绝域取 $W=\{\bar X\ge11\}$ ,$\Phi(x)$ 为标准正态分布函数。
>
> (Ⅰ)求犯第一类错误的最大概率 $\alpha$ ;
> (Ⅱ)求 $\mu=11.5$ 时犯第二类错误的概率 $\beta$ ;
> (Ⅲ)求 $\mu=11.5$ 时检验的功效;并说明 $\mu$ 继续增大时 $\beta$ 怎么变;
> (Ⅳ)在下列四项中选择 $\beta$ 的值:(A)$1-\Phi(0.5)$ (B)$1-\Phi(1)$ (C)$1-\Phi(1.5)$ (D)$1-\Phi(2)$ 。
**怎么想**:两步。第一步把 $\bar X$ 的分布写出来——这是**所有检验题的第一动作**:$\bar X\sim N\left(\mu,\frac{4}{16}\right)=N(\mu,0.25)$ ,标准差 $0.5$ 。第二步分清两个概率的**条件**:$\alpha$ 的条件是"$H_0$ 为真",最不利的情形是边界 $\mu=10$ ;$\beta$ 的条件是"$H_0$ 为假且 $\mu$ 取指定值",即 $\mu=11.5$ 。**同一个拒绝域,换一个 $\mu$ 就是另一个概率**。
**解**:
**(Ⅰ)** $\bar X\sim N(\mu,0.25)$ ,$\sigma_{\bar X}=0.5$ 。第一类错误概率随 $\mu$ 增大而增大,最大值在边界 $\mu=10$ :
$$\alpha=P\{\bar X\ge11\mid\mu=10\}=1-\Phi\left(\frac{11-10}{0.5}\right)=1-\Phi(2)\approx0.0228 .$$
**(Ⅱ)** 第二类错误是"$H_0$ 为假却接受了它",即 $\bar X<11$ :
$$\beta=P\{\bar X<11\mid\mu=11.5\}=\Phi\left(\frac{11-11.5}{0.5}\right)=\Phi(-1)=1-\Phi(1)\approx0.1587 .$$
**(Ⅲ)** 功效
$$1-\beta=1-\Phi(-1)=\Phi(1)\approx0.8413 .$$
$\mu$ 增大 $\Rightarrow$ $\frac{11-\mu}{0.5}$ 变小 $\Rightarrow$ $\Phi\left(\frac{11-\mu}{0.5}\right)$ 变小 $\Rightarrow$ $\beta$ 减小。例如 $\mu=12$ 时 $\beta=\Phi(-2)\approx0.0228$ ,功效升到 $0.9772$ 。**"真实值离原假设越远,越容易被查出来"**,这就是功效函数的单调性。
**(Ⅳ)** 由(Ⅱ)$\beta=1-\Phi(1)$ ,选 **(B)** 。
**验算**:$\alpha+\beta=0.0228+0.1587=0.1815<1$ ✓(两者不是互补事件,条件不同)。再检查选项:**(D)的 $1-\Phi(2)$ 恰好就是本题的 $\alpha$ 值** ——出题人把第一类错误塞进了第二类错误的选项里,这是 2021·10 最阴的一处。
**带走结论**:**$\alpha$ 与 $\beta$ 的区别只在"条件"上**:$\alpha$ 用 $\mu=\mu_0$ (边界)算,$\beta$ 用题给的备择值算;两者的算式都是"$\Phi$ 里放 $\frac{\text{临界值}-\mu}{\sigma/\sqrt n}$ ",只是 $\alpha$ 要取补($1-\Phi$ ),$\beta$ 不取。**拒绝域写成 $\bar X\ge c$ 的形式后,$\beta=P\{\bar X<c\}$ 就直接查 $\Phi$ 表** ,比背公式稳。
> **关联** · 盘点 [§8.1 原假设、两类错误](01-知识点盘点.md#user-content-81-原假设两类错误) | 上游 — | 下游 — | 速查 [八 假设检验](10-速查卡.md#user-content-八-假设检验)
---
### 题 2 · 8.2:拒绝域的方向与显著性水平的单调性(2025·10、2018·8 骨架)(★★☆)
> (Ⅰ)设 $X_1,\dots,X_n$ 来自 $N(\mu,2)$ ,$\bar X=\frac1n\sum X_i$ ,$z_\alpha$ 为标准正态上侧 $\alpha$ 分位数。求检验 $H_0:\mu\le1$ 、$H_1:\mu>1$ 的显著性水平为 $\alpha$ 的拒绝域。
> (Ⅱ)若把(Ⅰ)换成 $H_0:\mu\ge1$ 、$H_1:\mu<1$ ,拒绝域变成什么?
> (Ⅲ)(2018·8)设总体 $X\sim N(\mu,\sigma^2)$ ,检验 $H_0:\mu=\mu_0$ 、$H_1:\mu\ne\mu_0$ ,则下列正确的是:
> (A)$\alpha=0.05$ 时拒绝 $H_0$ ,则 $\alpha=0.01$ 时必拒绝;(B)$\alpha=0.05$ 时拒绝 $H_0$ ,则 $\alpha=0.01$ 时必接受;(C)$\alpha=0.05$ 时接受 $H_0$ ,则 $\alpha=0.01$ 时必拒绝;(D)$\alpha=0.05$ 时接受 $H_0$ ,则 $\alpha=0.01$ 时必接受。
**怎么想**:(Ⅰ)三步走——写统计量、定方向、解临界值。**注意 $\sigma^2=2$ 时 $\sigma=\sqrt2$ ,标准误是 $\frac{\sqrt2}{\sqrt n}$ 而不是 $\frac{2}{\sqrt n}$ 这一处** ,这是 2025·10 四个选项唯一的差别所在。(Ⅲ)不要动数字,只用"$\alpha$ 大则拒绝域大"这一条包含关系。
**解**:
**(Ⅰ)** 检验统计量
$$Z=\frac{\bar X-1}{\sqrt{2}/\sqrt{n}}=\frac{\bar X-1}{\sqrt{2/n}}\sim N(0,1)\quad(\mu=1\ \text{时}).$$
$H_1:\mu>1$ 是大值拒绝,故
$$W=\left\{Z>z_\alpha\right\}=\left\{\bar X>1+z_\alpha\sqrt{\frac2n}\right\}.$$
**(Ⅱ)** $H_1:\mu<1$ 是小值拒绝,把不等号翻向另一侧尾部:
$$W=\left\{Z<-z_\alpha\right\}=\left\{\bar X<1-z_\alpha\sqrt{\frac2n}\right\}.$$
**(Ⅲ)** 记双侧临界值为 $c_\alpha=z_{\alpha/2}\frac{\sigma}{\sqrt n}$ ,则拒绝域 $W_\alpha=\left\{\left|\bar X-\mu_0\right|>c_\alpha\right\}$ 。$\alpha=0.01$ 的分位点 $2.576$ 大于 $\alpha=0.05$ 的 $1.96$ ,故 $c_{0.01}>c_{0.05}$ ,即
$$W_{0.01}\subset W_{0.05}\quad\Longrightarrow\quad\overline{W}_{0.05}\subset\overline{W}_{0.01}.$$
"$\alpha=0.05$ 时接受"意味着落在 $\overline{W}_{0.05}$ 里,而它被 $\overline{W}_{0.01}$ 包含,所以 $\alpha=0.01$ 时也必然接受。选 **(D)** 。
**验算**:取 $\left|\bar X-\mu_0\right|=2.2\frac{\sigma}{\sqrt n}$ 这个具体值检验——它在 $W_{0.05}$ 内($2.2>1.96$ )、在 $W_{0.01}$ 外($2.2<2.576$ ),正好反驳(A)。再取 $1.5$ ——两个都接受,反驳(C)。再取 $2.8$ ——两个都拒绝,反驳(B)。(D)无懈可击。
**带走结论**:**拒绝域的方向只由 $H_1$ 的不等号决定,与原假设怎么写无关**;而 $H_0:\mu\le\mu_0$ 与 $H_0:\mu=\mu_0$ 在"定临界值"这件事上完全等价(都看边界)。2018·8 那种题不需要算任何数,只要记住**"$\alpha$ 越大越容易拒绝"** 这一条包含关系,四个选项立刻筛掉三个。
> **关联** · 盘点 [§8.2 拒绝域与显著性水平](01-知识点盘点.md#user-content-82-拒绝域与显著性水平) | 上游 — | 下游 — | 速查 [八 假设检验](10-速查卡.md#user-content-八-假设检验)
---
### 题 3 · 8.3:单总体的三种检验(原创,接点 7 题 2)(★★★)
> 某零件长度 $X\sim N(\mu,\sigma^2)$ ,抽 $n=16$ 件测得样本均值 $\bar x=10.2$ 、样本标准差 $s=0.4$ 。取 $\alpha=0.05$ ,已知 $t_{0.025}(15)=2.131$ 、$\chi^2_{0.025}(15)=27.49$ 、$\chi^2_{0.975}(15)=6.26$ 、$z_{0.025}=1.96$ 。
>
> (Ⅰ)检验 $H_0:\mu=10$ 、$H_1:\mu\ne10$ ;
> (Ⅱ)检验 $H_0:\sigma^2=0.16$ 、$H_1:\sigma^2\ne0.16$ ;
> (Ⅲ)若已知 $\sigma=0.4$ ,重做(Ⅰ),并解释两次结论为何不同。
**怎么想**:三个小问对应三种枢轴量,**判断用哪个只看两件事:检验的是 $\mu$ 还是 $\sigma^2$ 、$\sigma$ 知不知道**。(Ⅰ)(Ⅲ)数据完全相同、结论却相反,这正是本题要逼出来的东西。
**解**:
**(Ⅰ)** $\sigma$ 未知,用 $t(15)$ :
$$t=\frac{\bar x-10}{s/\sqrt n}=\frac{0.2}{0.4/4}=\frac{0.2}{0.1}=2.0 .$$
双侧拒绝域 $\left|t\right|>t_{0.025}(15)=2.131$ 。$2.0<2.131$ ,**不拒绝原假设** $H_0$ ,即还不能认为 $\mu\ne10$ 。
**(Ⅱ)** $\mu$ 未知,用 $\chi^2(15)$ :
$$\chi^2=\frac{(n-1)s^2}{\sigma_0^2}=\frac{15\times0.16}{0.16}=15 .$$
双侧拒绝域 $\chi^2>27.49$ 或 $\chi^2<6.26$ 。$15$ 落在这两个界之间,**不拒绝原假设** $H_0$ ,即不能认为方差偏离 $0.16$ 。
**(Ⅲ)** $\sigma=0.4$ 已知,改用 $z$ :
$$z=\frac{\bar x-10}{\sigma/\sqrt n}=\frac{0.2}{0.1}=2.0 .$$
双侧拒绝域 $\left|z\right|>1.96$ 。$2.0>1.96$ ,**拒绝原假设** $H_0$ ,认为 $\mu\ne10$ 。
**为什么结论相反**:统计量的**数值一样(都是 $2.0$ ),临界值不一样($2.131$ 对 $1.96$ )**。$t$ 分布的尾部比正态厚,同样大的统计量在 $t$ 表里"没那么极端"。用 $S$ 代替 $\sigma$ 引入了估计误差,所以判据必须更严——这与点 7 题 2 的"$t$ 区间比 $z$ 区间宽"是同一件事的两面。
**验算**:用 $p$ 值复核。(Ⅰ)$t=2.0$ 、$df=15$ 的双侧 $p\approx0.064>0.05$ ,不拒绝 ✓;(Ⅲ)$z=2.0$ 的双侧 $p=2\left[1-\Phi(2)\right]\approx0.0455<0.05$ ,拒绝 ✓。**两个 $p$ 值都大于 $0.0455$ 而 $0.064>0.05$ ,说明结论的翻转就发生在 $p=0.05$ 这条线两侧**。
**对偶自检**:用区间复核这两个结论。$\sigma$ 未知时
$$10.2\pm t_{0.025}(15)\frac{s}{\sqrt n}=10.2\pm2.131\times0.1=\left[9.987,\ 10.413\right],$$
**含** $10$ $\Rightarrow$ 不拒绝 ✓,与(Ⅰ)一致。$\sigma=0.4$ 已知时
$$10.2\pm z_{0.025}\frac{\sigma}{\sqrt n}=10.2\pm1.96\times0.1=\left[10.004,\ 10.396\right],$$
**不含** $10$ $\Rightarrow$ 拒绝 ✓,与(Ⅲ)一致。注意这两个区间是**本题数据**算的,与点 7 题 2 那组($\bar x=10$ 、$s=2$ )无关,别混用。
**带走结论**:**"$\sigma$ 已知用 $z$ 、未知用 $t$ "在检验里比在区间里更致命**——区间只是宽窄不同,检验却会**翻转结论**。所以做题第一步永远是问"$\sigma$ 给了吗"。另外**区间与检验是同一不等式的两种写法**:区间含 $\mu_0$ 就不拒绝,不含就拒绝。这条对偶可以当免费自检——两者结论不一致,八成是分位点或数据搞混了。
> **关联** · 盘点 [§8.3 正态总体的六大检验](01-知识点盘点.md#user-content-83-正态总体的六大检验) | 上游 — | 下游 [点 8 题 4](09-点8-假设检验与两类错误.md#user-content-题-4--83两总体的两个检验接点-7-题-3-的数据) | 速查 [八 假设检验](10-速查卡.md#user-content-八-假设检验)
---
### 题 4 · 8.3:两总体的两个检验(接点 7 题 3 的数据)(★★☆)
> 两台机床加工同一零件,长度分别服从 $N(\mu_1,\sigma_1^2)$ 与 $N(\mu_2,\sigma_2^2)$ 。各取 $n_1=n_2=10$ 件,测得
>
> $$\bar x=20.5,\ s_1^2=0.4;\qquad \bar y=19.8,\ s_2^2=0.6 .$$
>
> 取 $\alpha=0.05$ ,已知 $F_{0.025}(9,9)=4.03$ 、$t_{0.025}(18)=2.101$ 。
>
> (Ⅰ)检验 $H_0:\sigma_1^2=\sigma_2^2$ 、$H_1:\sigma_1^2\ne\sigma_2^2$ ;
> (Ⅱ)在(Ⅰ)的结论下检验 $H_0:\mu_1=\mu_2$ 、$H_1:\mu_1\ne\mu_2$ ;
> (Ⅲ)说明(Ⅱ)的结论为什么必然与点 7 题 3 的区间一致。
**怎么想**:两总体题有**固定的先后顺序**——先验方差(决定能不能合并),再验均值。**顺序反了会用一个还没验证的前提去算统计量**,这是最常见的过程性失分。
**解**:
**(Ⅰ)** 统计量 $F=\dfrac{S_1^2}{S_2^2}=\dfrac{0.4}{0.6}=0.6667$ ,服从 $F(9,9)$ 。双侧拒绝域为
$$F>F_{0.025}(9,9)=4.03\quad\text{或}\quad F<F_{0.975}(9,9)=\frac{1}{F_{0.025}(9,9)}=\frac{1}{4.03}=0.2481 .$$
$0.2481<0.6667<4.03$ ,**不拒绝原假设** $H_0$ ,即可认为两方差相等。**这一步是(Ⅱ)能用合并方差的前提**。
**(Ⅱ)** 合并方差与标准误(与点 7 题 3 完全相同):
$$S_w^2=\frac{9\times0.4+9\times0.6}{18}=0.5,\qquad S_w\sqrt{\frac{1}{10}+\frac{1}{10}}=0.7071\times0.4472=0.3162 .$$
统计量
$$t=\frac{\bar x-\bar y-0}{0.3162}=\frac{0.7}{0.3162}=2.2136 .$$
双侧拒绝域 $\left|t\right|>t_{0.025}(18)=2.101$ 。$2.2136>2.101$ ,**拒绝原假设** $H_0$ ,认为两台机床加工的零件平均长度有显著差异。
**(Ⅲ)** 点 7 题 3 算出 $\mu_1-\mu_2$ 的 $95\%$ 置信区间为 $[0.036,1.364]$ ,**不含 $0$ 这个值** 。而"$\delta_0=0$ 落在置信区间内 $\Leftrightarrow$ 不拒绝 $H_0:\mu_1-\mu_2=\delta_0$ "是区间估计与假设检验的一般对偶(题 3 已验证过一次)。这里区间不含 $0$ ,所以必拒绝;若换成 $\delta_0=0.5$ 去检验,因为 $0.5\in[0.036,1.364]$ ,就**不会**拒绝。
**验算**:(Ⅱ)的 $p$ 值:$t=2.2136$ 、$df=18$ 的双侧 $p\approx0.040<0.05$ ✓。区间法复核:$0.7-2.101\times0.3162=0.036>0$ ,下限已经越过 $0$ ,所以拒绝 ✓。两条路线互相印证。
**带走结论**:**两总体题的三步口诀是"先 $F$ 后 $t$ ,先方差后均值"** 。(Ⅰ)不拒绝 $F$ 检验才能合并方差用 $t(n_1+n_2-2)$ ;若(Ⅰ)拒绝了,就必须改用不合并的近似 $t$ (Welch,自由度用公式近似),此时点 7 题 3 的区间公式也不再适用。另外**区间与检验永远同进同退**:区间含 $\delta_0$ 就不拒绝,不含就拒绝——这句话可以替代一半的检验计算。
> **关联** · 盘点 [§8.3 正态总体的六大检验](01-知识点盘点.md#user-content-83-正态总体的六大检验) | 上游 [点 8 题 3](09-点8-假设检验与两类错误.md#user-content-题-3--83单总体的三种检验原创接点-7-题-2) | 下游 — | 速查 [八 假设检验](10-速查卡.md#user-content-八-假设检验)
---