# 总体比例的假设检验设置

> AP 统计学 · AP 2024-2026 统计学
> 来源: https://www.owlsprep.com/zh/study/ap-statistics-u12-setting-up-a-test-for/

本模块将教授你如何为单总体比例z检验编写有效假设、核验推断条件、选择合适的显著性水平，内容完全匹配AP统计学官方评分准则。

**先修:** [从分类数据中计算样本比例](https://www.owlsprep.com/zh/study/ap-statistics-u1-categorical-variables/); [统计显著性的核心原理](https://www.owlsprep.com/zh/study/ap-statistics-u12-intro-to-hypothesis-testing/)

## 学习目标

- 为单侧和双侧总体比例检验编写形式完全合规的原假设与备择假设
- 核验运行有效单总体比例z检验所需的全部三项强制条件
- 明确定义总体参数，避免在AP自由作答题中因符号使用不当被扣分
- 结合研究场景的优先级选择合适的显著性水平α

## 为总体比例编写有效假设

所有AP统计学假设检验作答都要求你在编写任何假设陈述之前，先明确定义总体参数。这可以消除歧义，避免因符号使用不当被自动扣分。

**总体比例的原假设** — 声明真实总体比例p等于某个预先设定的固定基准值，代表不存在效应、与已知参考值无差异。

*记法:* H_0

$$H_0: p = p_0$$

**备择假设** — 与原假设矛盾的声明，代表你试图寻找证据支撑的研究效应，可分为单侧（<, >）或双侧（≠）。

*记法:* H_a

**例题:** 某面包店声称其周销售额的70%来自酸面包。一名兼职面包师认为真实比例低于该声称值，请为该显著性检验编写完全合规的假设。

1. 步骤1：首先明确定义参数：令p = 该面包店所有周销售额中来自酸面包的真实比例。
2. 步骤2：使用面包店声称的基准值编写原假设：
3. $$H_0: p = 0.70$$
4. 步骤3：编写与面包师的单侧偏低声明匹配的备择假设：
5. $$H_a: p < 0.70$$

> **考试提示:** 如果你在假设中使用样本统计量\(\hat{p}\)而非总体参数p，AP评分准则会直接扣除1分，没有例外。

## 核验三项强制推断条件

在你开始进行单总体比例z检验的任何计算之前，必须陈述并论证全部三项条件。如果任意条件缺失或论证错误，AP评卷人不会给你检验设置部分的满分。

- 随机性：数据必须来自简单随机样本（SRS）或设计合理的随机实验，以避免选择偏差。
- 独立性：无放回抽样时，总体总规模必须至少是样本规模的10倍，以保证单个观测值相互独立。
- 大样本计数：原假设下的期望成功数\(n p_0\)和失败数\(n(1-p_0)\)均必须≥10，才能对抽样分布使用正态近似。

> **AP评分准则核心规则**
>
> 绝对不要用你观测到的样本比例\(\hat{p}\)来计算大样本计数的数值，必须始终使用原假设下的声称值\(p_0\)，这是AP自由作答题中最常失分的考点之一。

**例题:** 你随机抽取120笔面包店交易来检验70%的酸面包销售额声称，请核验该z检验的全部三项条件是否有效。

1. 步骤1：随机性：题目明确说明样本是随机抽取的，因此该条件满足。
2. 步骤2：独立性：该面包店的周交易总量远大于10*120=1200，因此10%条件成立。
3. 步骤3：大样本计数：使用\(p_0 = 0.7\)计算期望成功数和失败数：
4. $$n p_0 = 120 * 0.7 = 84, \quad n(1-p_0) = 120 * 0.3 = 36$$
5. 两个数值均≥10，因此大样本计数条件满足。

## 选择合适的显著性水平α

显著性水平α定义了你愿意接受的、错误拒绝真实原假设的最大概率。你必须在收集或查看任何样本数据之前选定α，以避免p值操纵。

**考试命令词**

AP考试题会使用标准表述来提示你该检验应使用的α取值：

- **Standard significance level** — 使用广泛接受的默认值α=0.05

- **Strict threshold for false positives** — 使用更小的α值例如0.01，以最小化第一类错误风险

- **High power to detect a real effect** — 使用更大的α值例如0.10，以降低第二类错误风险

**例题:** 某消费者权益组织检验某工厂的不足量零食包装占比是否超过1%的法定上限，他们希望尽可能避免对工厂的不实指控。请选择合适的α并说明理由。

1. 步骤1：明确核心优先级是降低第一类错误（当占比实际未超过1%时错误判定其超标）。
2. 步骤2：选择α=0.01，该取值将假阳性阈值设得非常低，符合该权益组织避免不公指控的核心诉求。

## 单侧与双侧检验设置

备择假设的方向完全由原始研究问题决定，绝不能由你在样本数据中观测到的结果决定。在看到数据后修改备择假设是统计上无效的操作。

**方法对比**

总体比例检验的两种有效备择假设格式适用于不同场景：

- **单侧检验** — 使用\(H_a: p < p_0\)或\(H_a: p > p_0\)，当研究问题明确指定了与基准值的差异方向时使用。
  - 优点: 在预先指定的方向上拥有更高的统计功效，更容易检测到差异
  - 缺点: 无法用于声称与原始假设相反方向的差异

- **双侧检验** — 使用\(H_a: p \neq p_0\)，当研究问题仅询问真实比例是否与基准值存在差异、未指定方向时使用。
  - 优点: 同时覆盖偏高和偏低两个方向的差异
  - 缺点: 在单个指定方向上检测差异的统计功效更低

**例题:** 某城市交通部门声称55%的本地通勤者乘坐公交系统，某研究者希望检验真实比例是否与该声称值存在差异，且无预先的方向假设，请写出正确的备择假设。

1. 步骤1：确认研究问题未指定真实比例是高于还是低于55%，仅要求验证是否存在差异。
2. 步骤2：使用双侧备择假设：
3. $$H_a: p \neq 0.55$$

**概念自测**

测试你对有效检验设置规则的理解：

1. 以下哪一项是单总体比例z检验的统计有效备择假设？

   - H_a: \hat{p} = 0.62
   - H_a: p = 0.62
   - H_a: p > 0.62
   - H_a: \hat{p} > 0.62

   *解析:* 假设始终指代总体参数p，而非样本统计量\(\hat{p}\)，且备择假设中绝对不能包含等号。

## 常见错误

- **错误做法:** 使用样本比例\(\hat{p}\)而非总体参数p编写假设
  - 原因: AP评分准则会为该符号错误直接扣除1分，因为假设是关于总体取值的陈述，而非样本结果
  - 正确做法: 首先明确定义p，之后所有假设都使用总体参数符号编写
- **错误做法:** 使用样本计数\(n\hat{p}\)和\(n(1-\hat{p})\)核验大样本计数条件
  - 原因: 大样本计数条件计算的是原假设下的期望取值，而非观测到的样本取值
  - 正确做法: 始终使用原假设声称值\(p_0\)计算两个大样本计数值
- **错误做法:** 在查看样本数据之后再确定备择假设的方向
  - 原因: 这是p值操纵的一种形式，会提升得到假阳性结果的概率，使检验统计上无效
  - 正确做法: 在收集或获取任何样本数据之前就确定原假设和备择假设
- **错误做法:** 跳过对10%独立性条件的明确论证
  - 原因: AP评卷人要求你确认总体规模至少是样本规模的10倍，才能给独立性部分满分
  - 正确做法: 用一句清晰的陈述说明你的样本对应的总体规模满足≥10n的要求
- **错误做法:** 将原假设的取值设为从你的样本数据中计算得到的数值
  - 原因: 原假设是预先定义的基准值，不能从你要检验的数据中推导得到
  - 正确做法: 原假设取值\(p_0\)必须来自先前的公开声明、已发表研究或公认基准，不能来自你的样本

## 速查表

| 检验设置组成部分 | AP要求的论证内容 | 需要避免的错误 |
| --- | --- | --- |
| 假设 | 首先定义p，\(H_0: p=p_0\)，\(H_a\)匹配研究方向 | 使用\(\hat{p}\)而非p |
| 随机性条件 | 确认样本是随机/有代表性的 | 跳过明确陈述 |
| 独立性条件 | 总体规模≥10*样本规模 | 忽略10%规则 |
| 大样本计数 | \(n p_0 \geq 10\)，\(n(1-p_0) \geq 10\) | 使用\(\hat{p}\)而非\(p_0\) |
| 显著性水平 | 查看样本数据之前选定α | 看到结果后修改α |

## 下一步

掌握检验设置是AP考试中所有单总体比例z检验自由作答题权重最高的第一步，评卷人会在你计算检验统计量之前，就为正确的假设编写、条件核验和参数定义单独给分。即使你后续的计算完全正确，设置部分的错误也会直接导致失分，因此你在做每一道推断类题目时都要优先练习这一步。接下来你将学习如何计算单总体比例检验的z统计量和p值，之后再学习完全匹配AP评分准则的检验结果正确推导方法。

---

来自 [OwlsPrep](https://www.owlsprep.com) —— A-Level / IB / AP / IGCSE 免费学习指南，依据官方考纲编写。原页面：https://www.owlsprep.com/zh/study/ap-statistics-u12-setting-up-a-test-for/