在一次试验中一般是不应该发生的。 那么，若在所作假设成立的条件下，某
事件为小概率事件。然而，它在一次试验 中竟然发生了，便有理由认为它不是小概 率事件，而推理过程并无差错，因此只能 认为假设不正确，从而拒绝该假设。这就 是小概率原理。
小概率事件的概率常用α表示，一般 α≤0.05，尤其多取α=0.05和α=0.01。
《医药数理统计方法》
§6.1
三、假设检验的一般步骤 1、建立原假设和备择假设；
2、在原假设成立条件下，构造一个与本问 题密切相关且分布已知的统计量；
3、做出检验结论，并给以专业解释。
《医药数理统计方法》
§6.2
§6.2 假设检验的常用方法
一、置信区间法 二、临界值法 三、P值法
《医药数理统计方法》
∴拒绝H0，即认为这个厂家的产品不符合要求。
《医药数理统计方法》
§6.2
注：1)解(一)为临界值法---事先给定α，用临 界值去表示拒绝域。
2)解(二)为P值法---根据统计量的样本值去 反查临界值表求出对应的小概率事件的概率 值，记作P。只要P≤0.05，就拒绝原假设H0。
由于受到临界值表的限制，求精确值不方 便时，要注明P值尽可能准确的范围。
《医药数理统计方法》
§6.1
注：分类 1)参数检验(parametric test) 已知总体分布类型,对其未知参数的假设
作假设检验，称为参数检验。
2)非参数检验(nonparametric test) 对未知总体分布类型的总体假设作假设 检验，称为非参数检验。
《医药数理统计方法》
§6.1
2、小概率原理 一个概率很小的事件（即小概率事件），
建立H0:μ=0.5, H1:μ≠0.5
若H0成立，则
U
X
N(0,1)
n
样本值 u0.4903.8010.52.1477
12
《医药数理统计方法》
§6.2
u0.04
2
2.0537u2.14772.1701u0.03 2
P(U2.1701)P(U2.1477)P(U2.0537)
即 0.03P(U2.1477)0.04
《医药数理统计方法》
§6.1
Ch6 假设检验
§6.1 假设检验的基本思想
一、假设检验的概念 二、两类错误 三、假设检验的一般步骤
《医药数理统计方法》
§6.1
一、假设检验的概念
在实际问题中，经常会遇到根据样本所提供的 信息，判断总体是否具有某种指定的特征。如
1)总体分布是否服从某一类型？ 2)总体的某个参数与某个定值是否有实质性差 异？ 3)同类型的两个总体的某个参数是否相同？ ……
12 22
n1 n2
N(0,1)
《医药数理统计方法》
§6.3
样本值 u 9390 3.1741
ห้องสมุดไป่ตู้9 16 25 30
u0.012.58u3.1741
2
P(U3.1741)P(U2.58)
即
P(U2.1477)0.01
∴拒绝H0，即认为这两个正态总体的均值有 显著差异。
α的大小还直接决定着检验结论的性质， 故把α称为检验的信度或检验的显著性水平。
《医药数理统计方法》
§6.1
二、两类错误 1、分类： 1)第一类错误：H0正确，被检验拒绝； 2)第二类错误：H0不正确，没有被拒绝。 注：一个假设检验犯第一类错误的概率就是 显著性水平α。
2、奈曼和皮尔逊提出：从理论上讲，一个 好的检验总是在保证犯第一类错误的概率α 不超过给定数值的前提下，使犯第二类错误 的概率降低到最小。
建立H0:μ=0.5, H1:μ≠0.5
若H0成立，则
U
X
N(0,1)
n
样本值 u0.4903.8010.52.1477
12
P (U 1 .9 6 ) P (U u 0 .0 5 ) 0 .0 5
2
∴拒绝H0，即认为这个厂家的产品不符合要求。
《医药数理统计方法》
§6.1
解(二)：设药片有效成分含量为X(mg), 则X～N(μ,σ2), μ未知，σ2已知。
《医药数理统计方法》
§6.3
解：由题意得 立，则
X N(1,n1 1 2),Y，N 且(2 两, n者2 2 2)相互独
X Y
N (1
2
,
2 1
n1
2 2
)
n2
U ( X Y ) (1 2 )
2 1
2 2
n1 n2
N (0,1)
建立H0:μ1=μ2, H1:μ1=μ2 若H0成立，则
U
X Y
近年来报刊杂志等文献资料上多采用P值 法。
《医药数理统计方法》
§6.3
§6.3 正态总体均值的检验
一、方差已知条件下的u检验 二、方差未知条件下的t检验
《医药数理统计方法》
§6.3
一、方差已知条件下的u检验
(一)单个正态总体 例6.1(略)
(二)两个正态总体 例6.3 从两个正态总体X～N(1,32)， Y～N(2,42) 中 分 别 抽 取 容 量 为 25 和 30 的 样 本，算得 x 9 3 ， y， 9 并0 且两样本相互独立。 问这两个正态总体的均值是否有显著差异？
这些都是假设检验问题。
《医药数理统计方法》
§6.1
1、假设检验 根据某种实际需要，预先对未知总体作出
一些假设，然后再根据实测样本的信息去检 验假设的合理性，以最后决定对该假设的取 舍。这种关于总体的种种假设称为统计假设， 处理假设的统计方法称为统计假设检验，简 称假设检验(hypothesis testing)，也称显 著性检验(significance test)。
§6.2
例6.1 有作用强烈的某种药物，按规定每 片的有效成分含量为0.5mg。今随机抽取 某厂生产的这种药品12片，测得药片的 平均有效成分含量为0.4938mg。假定药 片有效成分含量服从标准差为0.01mg的 正态分布。问这个厂家的产品是否符合要 求？
《医药数理统计方法》
§6.1
解(一)：设药片有效成分含量为X(mg), 则X～N(μ,σ2), μ未知，σ2已知。
《医药数理统计方法》
§6.1
注：1)拒绝“μ=0.5”，正确的说法是“μ与 0.5有显著性差异”，或者说“μ与0.5有统计 学意义。”
2) “拒绝”一个假设，我们有100(1-α)% 的把握，作出的结论是相当有力的。而“不 拒绝”，则是软弱无力的。
3)例6.1若给出 P (U 2 .5 8 ) P (U u 0 .0 1 ) 0 .0 1 我们的结论是不拒绝H0，即认为这个厂2 家的 产品符合要求。