对两个总体比例之差执行显著性检验

AP 统计学· 第6单元主题10：两个比例之差的显著性检验· 25 分钟阅读

1. 步骤1：陈述假设并定义参数★★☆☆☆⏱ 7 min

AP 统计学任何假设检验的第一步都要求你在写出原假设和备择假设之前明确定义总体参数，避免丢失评分标准中的基础分值。

📘 定义

双比例检验的原假设

$H_{0} : p_{1} - p_{2} = 0$

两个总体的成功比例不存在差异的主张，即 $p_{1} = p_{2}$

例:

$H_{0} : p_{m} - p_{f} = 0$ ，其中 $p_{m}$ 是尝试过电子烟的高中男生占比， $p_{f}$ 是尝试过电子烟的高中女生占比。

📐 例题

一名研究者想要验证农村和城市青少年群体中拥有智能手机的比例是否存在差异，请写出正确的假设并定义参数。

1
首先结合场景明确定义参数：
2
$p_1 = \text{城市青少年中拥有智能手机的真实比例}$
3
$p_2 = \text{农村青少年中拥有智能手机的真实比例}$
4
写出无差异的原假设：
5
$H_0: p_1 = p_2 \quad \text{或} \quad H_0: p_1 - p_2 = 0$
6
针对“存在差异”写出双侧备择假设：
7
$H_a: p_1 \neq p_2 \quad \text{或} \quad H_a: p_1 - p_2 \neq 0$

Exam tip:

如果你在假设中使用样本统计量 $\overset{p}{^}_{1}, \overset{p}{^}_{2}$ 而非总体参数 $p_{1}, p_{2}$ ，将直接丢失AP评分标准中假设部分的全部分值。

2. 步骤2：验证推断适用条件★★★☆☆⏱ 6 min

即使题目提示中已经隐含相关条件，你也必须逐一核验并明确说明全部三项条件，才能在AP考试中获得满分。

随机性：数据来自两个独立随机样本，或者在对照实验中被试被随机分配到两组
独立性：每组内的观测值相互独立，且每个样本量不超过对应总体的10%
正态性： $\overset{p}{^}_{1} - \overset{p}{^}_{2}$ 的抽样分布近似服从正态分布，核验标准为合并成功数和合并失败数均≥10

📐 例题

已知200名城市青少年中有172人拥有智能手机，180名农村青少年中有135人拥有智能手机，请核验该检验的正态性条件。

1
首先计算合并总成功数：172 + 135 = 307
2
计算合并总失败数：(200 - 172) + (180 - 135) = 28 + 45 = 73
3
确认所有数值均大于10：307 ≥ 10，73 ≥ 10，正态性条件满足。

✓ 快速检测

以下哪个场景违反了双比例z检验的正态性条件？

样本1的50个观测中有8个成功，样本2的50个观测中有7个成功
样本1的40个观测中有3个成功，样本2的40个观测中有4个成功
显示答案
true —
合并成功数=7 < 10，正态性条件不满足。
样本1的30个观测中有12个成功，样本2的30个观测中有11个成功

3. 步骤3：计算检验统计量和P值★★★☆☆⏱ 7 min

条件核验完成后，你需要计算合并标准误、z检验统计量，再根据预先定义的备择假设得到对应的p值。

z = \frac{\hat{p}_1 - \hat{p}_2}{\sqrt{\hat{p}_{pooled}(1-\hat{p}_{pooled}) \left( \frac{1}{n_1} + \frac{1}{n_2} \right)}}

📘 定义

合并样本比例

$\overset{p}{^}_{p oo l e d} = \frac{x _{1} + x _{2}}{n _{1} + n _{2}}$

两个样本的成功比例合并值，用于估计原假设下假定的共同总体比例

📐 例题

使用上述城乡青少年智能手机数据：n1=200，x1=172，n2=180，x2=135，计算z检验统计量。

1
计算单个样本比例：
2
$\hat{p}_1 = 172/200 = 0.86, \quad \hat{p}_2 = 135/180 = 0.75$
3
计算合并比例：
4
$\hat{p}_{pooled} = (172 + 135)/(200 + 180) = 307/380 \approx 0.8079$
5
计算标准误：
6
$SE = \sqrt{0.8079 * 0.1921 * (1/200 + 1/180)} \approx 0.0393$
7
计算z统计量：
8
$z = (0.86 - 0.75)/0.0393 \approx 2.799$

4. 步骤4：结合场景得出结论★★☆☆☆⏱ 5 min

你的结论必须明确将p值与显著性水平相关联，呼应假设内容，并结合题目完整场景陈述结果，才能拿到评分标准的全部分值。

将计算得到的p值与预先设定的显著性水平α比较（AP考试中α几乎总是取0.05）
参照p值的比较结果，陈述你是否拒绝原假设
写出最终的场景化结论，直接回应原始研究问题

📐 例题

已知上述双侧智能手机拥有率检验的p值≈0.005，α=0.05，请写出符合AP考试要求的完整结论。

1
比较p值与α：0.005 < 0.05
2
决策：拒绝原假设
3
场景化结论：存在令人信服的统计证据表明，城市和农村青少年群体中拥有智能手机的真实比例存在差异。

5. 常见陷阱

错误做法:

在双比例显著性检验中使用未合并的标准误

原因:

原假设假定 $p_{1} = p_{2}$ ，因此必须使用合并方法才能得到正确的标准误，AP阅卷官会对该错误扣除该部分全部分值

正确做法:

双比例z检验计算标准误时必须始终使用合并比例，绝对不能使用单个样本的样本比例

错误做法:

使用收集到的样本组而非完整总体来定义参数

原因:

假设是针对总体数值的主张，而非你收集到的样本数据，这属于根本性的概念错误

正确做法:

明确说明 $p_{1}$ 和 $p_{2}$ 指代的是目标总体的真实未知比例，而不仅仅是你的样本

错误做法:

当p值大于α时陈述“我们接受原假设”

原因:

你没有证据证明原假设为真，只能说明你没有足够的证据拒绝它

正确做法:

对于不显著的结果，始终使用“未能拒绝原假设”的表述

错误做法:

使用单个样本计数而非合并计数核验正态性条件

原因:

这可能导致你错误地认为正态性条件不满足（实际满足），或者反过来

正确做法:

将两组的成功数相加，两组的失败数相加，确认两个总和均≥10

错误做法:

写出的结论没有关联原始题目的场景

原因:

AP统计学评分标准要求结论必须绑定特定场景，通用结论在该步骤不得分

正确做法:

在最终结论中指明总体名称和对应的特定成功事件，不要使用“两个比例”这类通用表述

6. 速查表

检验步骤	AP考试拿满分所需的操作
假设陈述	结合完整场景定义 $p_{1}, p_{2}$ ，写出 $H_{0} : p_{1} - p_{2} = 0$ 以及正确的单侧/双侧 $H_{a}$
条件核验	明确核验随机性、独立性（10%条件）、正态性（合并成功/失败数≥10）
计算过程	计算合并比例、合并标准误、z统计量、单侧或双侧p值
结论撰写	比较p值与α，陈述拒绝/未能拒绝 $H_{0}$ ，写出完整的场景化表述

7. 常见问题

双比例z检验中我是否必须始终使用合并比例？

是的，对于AP 统计学的双比例显著性检验，当原假设声明 $p_{1} = p_{2}$ 时必须使用合并，因为我们假定两个总体的成功比例完全相同。而在计算两个总体比例之差的置信区间时，绝对不能使用合并方法。

如果双比例检验的正态性条件不满足该怎么办？

如果合并成功数或合并失败数小于10， $\overset{p}{^}_{1} - \overset{p}{^}_{2}$ 的抽样分布将不服从近似正态分布，你计算出的p值将不可靠。这种情况下，你应当改用随机化检验或费希尔精确检验。

真题中的出现

AI 根据考纲规律估算的考点位置,请对照官方真题核实准确性。仅作复习重点参考。

2025 · FRQ 2
疫苗有效性的双比例检验
2024 · MCQ Set 4
验证双比例z检验的适用条件
2023 · FRQ 1
计算双侧检验的p值

深入阅读

official guideAP 统计学 CED 比例推断本主题对应的美国大学理事会官方教学大纲参考资料

下一步

掌握双比例z检验是AP统计学考试中权重最高的技能之一，近年几乎所有聚焦推断的FRQ大题都会涉及该考点。这项技能直接建立在你之前学习的单比例检验和比例之差抽样分布的基础上，也是后续学习第6单元同质性卡方检验的必备前置知识。该考点既可能以完整4步FRQ大题的形式考察，也可能以选择题形式要求你判断条件是否正确、计算p值或找出有错误的结论。请务必练习撰写完整的场景化结论，避免在考试当天丢失基础分值。