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

18 KiB
Raw Blame History

tags, 专题, 日期, 状态, 关联笔记
tags 专题 日期 状态 关联笔记
数学一
在学练习
概率论
数理统计
假设检验
两类错误
概率论 第6讲 · 点8 假设检验与两类错误 2026-11-07 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)
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)

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)

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

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)

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 | 上游 — | 下游 — | 速查 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 | 上游 — | 下游 — | 速查 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 | 上游 — | 下游 点 8 题 4 | 速查 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 | 上游 点 8 题 3 | 下游 — | 速查 八 假设检验