假设检验 (Hypothesis Testing) — A-Level Mathematics Stats 学习指南

适合谁：A-Level Mathematics 参加 Paper 5 (Probability & Statistics 1) 的考生。

覆盖内容：覆盖原假设与备择假设、单尾与双尾检验、临界域与显著性水平、I类与II类错误、二项分布比例/正态均值检验全考点

前置知识：基本概率、求和、积分（Pure 1 微积分）。

关于练习题：下文「练习题」一节的所有题目均为我们按 A-Level Mathematics 风格编写的原创题目 (original problems)，仅用于教学。它们不是 Cambridge International 真题的复制，措辞、数值或语境可能不同。请把它们当作练手用；评分细则请对照 Cambridge 官方 mark scheme。

1. 什么是假设检验？

假设检验是统计学中通过样本数据判断是否支持关于总体参数的某一陈述的方法，核心逻辑是「小概率事件在单次试验中几乎不可能发生」：如果在原假设成立的前提下，观测到的样本结果发生的概率低于预先设定的阈值，我们就有理由怀疑原假设的真实性。在A-Level Mathematics Paper5中，本章节占比约10%-15%，通常会出1道10分左右的大题加1-2道小题，是统计部分的核心考点。

2. 原假设与备择假设（Null and Alternative Hypotheses）

我们做假设检验时首先要明确两个对立的假设：

• 原假设 (null hypothesis) $H_0$：是我们要检验的默认陈述，代表「没有变化、没有效应、参数等于标称值」，必须包含等号；
• 备择假设 (alternative hypothesis) $H_1$：是当$H_0$被拒绝时我们接受的陈述，代表「有变化、有效应、参数偏离标称值」，只能包含严格不等、大于、小于符号，不能带等号。

范例

某商家声称其产品好评率为95%，你想验证这个说法是否真实，那么假设设定为： $$H_0:p=0.95$$ $$H_1:p\ne 0.95$$ 如果你的怀疑方向是好评率低于95%，那么$H_1$调整为$p<0.95$即可。

3. 单尾检验与双尾检验（One-tailed and Two-tailed Tests）

根据备择假设的偏离方向，检验分为两类：

• 单尾检验 (one-tailed test)：$H_1$明确了参数偏离的方向，要么大于、要么小于$H_0$的标称值，显著性水平全部落在概率分布的单侧。题干出现「超过、低于、提高、减少」等明确方向的关键词时，用单尾检验；
• 双尾检验 (two-tailed test)：$H_1$只说明参数不等于标称值，不指定偏离方向，显著性水平平分为两半，落在概率分布的左右两侧。题干出现「有差异、发生变化、是否不同」等无明确方向的关键词时，用双尾检验。

考点提示

考官常在此处挖坑，即使你后续计算全对，只要单双尾判断错误，整道题最多只能得1-2分，读题时一定要圈出方向类关键词。

4. 临界域与显著性水平（Critical Region and Significance Level）

• 显著性水平 (significance level) $\alpha$：是我们预先设定的小概率阈值，代表我们愿意承担的「错误拒绝原假设」的最大概率，A-Level考试中常见取值为1%、5%、10%；
• 临界域 (critical region)：是样本检验统计量的取值集合，如果统计量落在这个集合内，我们就拒绝$H_0$，临界域对应的总概率恰好等于显著性水平$\alpha$。

范例题

已知原假设下检验统计量$X\sim B(20,0.4)$，做5%显著性水平的单右尾检验，求临界域：

1. 我们需要找到最小的$k$，使得$P(X\ge k)\le 0.05$
2. 查二项分布累积概率表得：$P(X\ge 12)=1-P(X\le 11)=1-0.9435=0.0565>0.05$，$P(X\ge 13)=1-P(X\le 12)=1-0.9790=0.0210\le 0.05$
3. 因此临界域为$X\ge 13$，只要样本观测值大于等于13，我们就拒绝$H_0$。

5. I类错误与II类错误（Type I and Type II Errors）

假设检验的结论不是100%准确的，可能出现两类错误：

• I类错误 (Type I Error)：$H_0$实际为真时，我们错误拒绝了$H_0$，发生的概率等于显著性水平对应临界域的实际概率，记作$\alpha$；
• II类错误 (Type II Error)：$H_0$实际为假时，我们错误接受了$H_0$，发生的概率记作$\beta$，计算$\beta$需要已知实际的总体参数值。

注意：在样本量固定的前提下，$\alpha$和$\beta$此消彼长，要同时降低两类错误的概率，只能增大样本量。

范例

上一题的5%显著性水平检验中，临界域是$X\ge 13$，对应的I类错误概率就是0.0210；如果实际总体参数为$p=0.6$，那么II类错误的概率就是$P(X<13|X\sim B(20,0.6))=P(X\le 12)=0.5841$。

6. 二项分布比例检验与正态均值检验（Test for a binomial proportion or normal mean）

本章节的核心考点就是两类参数检验，解题步骤固定：

（1）二项分布比例检验

当我们要检验总体比例$p$是否等于某个标称值$p_0$，且样本量较小时，用精确二项概率计算：

1. 设定$H_0$和$H_1$，明确检验类型（单/双尾）和显著性水平；
2. 写出$H_0$下检验统计量$X\sim B(n,p_0)$，$n$为样本量；
3. 计算观测值对应的极端事件概率（p值），或对比临界域；
4. 得出结论，结合题干语境说明结果。

（2）正态均值检验

当我们要检验正态总体的均值$\mu$是否等于标称值${\mu }_0$，且总体方差${\sigma }^2$已知时，用Z检验： 检验统计量为： $$Z=\frac{\bar{X}-{\mu }_0}{\sigma /\sqrt{n}}\sim N(0,1)$$ 其中$\bar{X}$为样本均值，$n$为样本量，对比$Z$值和对应显著性水平的临界值（双尾$\pm z_{\alpha /2}$，单尾$\pm z_{\alpha }$）即可得出结论。如果总体方差未知但样本量大于30，用样本方差$s$代替$\sigma$即可。

7. 常见陷阱 (Common Pitfalls)

1. 错误：备择假设带等号，比如写成$H_1:p\ge 0.5$。原因：混淆两个假设的定义，误以为备择假设也可以包含等于的情况。正确做法：$H_0$必须带等号，$H_1$只能用$<、>、\ne$三种符号。
2. 错误：单双尾检验判断错误，把「是否有差异」当成单尾检验。原因：读题不仔细，主观代入方向。正确做法：圈出题干关键词，无明确方向的表述一律用双尾检验。
3. 错误：计算临界域时概率方向搞反，比如单右尾检验找成左尾的临界值。原因：没有对应$H_1$的方向。正确做法：$H_1$是大于就找右尾临界域，小于就找左尾临界域，双尾两边各分$\alpha /2$的概率。
4. 错误：结论只写「拒绝$H_0$」，不结合题干语境。原因：忘记假设检验是为实际问题服务的。正确做法：统计结论之后必须加一句「在X%显著性水平下，有/没有足够证据支持XX说法」。

8. 练习题 (A-Level Mathematics Paper5 风格)

习题1

某咖啡店声称其卖出的热饮中80%温度超过65℃，消费者协会随机抽查20杯热饮，发现只有12杯达标。在5%显著性水平下，检验是否有证据说明该咖啡店的热饮达标率低于声称值。

解答

1. 设定假设：$H_0:p=0.8$，$H_1:p<0.8$（单左尾检验，显著性水平5%）
2. $H_0$下达标热饮数$X\sim B(20,0.8)$
3. 计算极端概率：$P(X\le 12)=0.0321$
4. $0.0321<0.05$，落在临界域内，因此拒绝$H_0$。在5%显著性水平下，有足够证据说明咖啡店的热饮达标率低于80%。

习题2

某工厂生产的螺丝长度服从正态分布，标准差0.2cm，标称长度3cm，质检人员随机抽取25个螺丝，平均长度为2.92cm。在1%显著性水平下，检验螺丝平均长度是否和标称值有差异。

解答

1. 设定假设：$H_0:\mu =3$，$H_1:\mu \ne 3$（双尾检验，显著性水平1%）
2. 总体方差已知，用Z检验，统计量$Z=\frac{2.92-3}{0.2/\sqrt{25}}=-2$
3. 1%双尾检验的临界值为$\pm 2.576$，$|Z|=2<2.576$，未落在临界域内
4. 因此不拒绝$H_0$，在1%显著性水平下，没有足够证据说明螺丝平均长度和标称值有差异。

习题3

某单右尾检验的标称显著性水平为5%，$H_0$下检验统计量$X\sim B(15,0.4)$，求I类错误的概率；若实际总体比例$p=0.6$，求II类错误的概率。

解答

1. 先求临界域：找最小$k$使得$P(X\ge k)\le 0.05$，计算得$P(X\ge 9)=0.095>0.05$，$P(X\ge 10)=0.0338\le 0.05$，临界域为$X\ge 10$
2. I类错误概率为临界域对应的概率：$\alpha =0.0338$
3. 实际$p=0.6$时，II类错误为接受$H_0$的概率，即$P(X<10|X\sim B(15,0.6))=P(X\le 9)=0.5968$

9. 速查表 (Quick Reference Cheatsheet)

10. 接下来怎么学

假设检验是A-Level Mathematics Paper5的综合考点，它会结合你之前学过的二项分布、正态分布知识点出题，也是后续进阶统计学课程（比如Further Maths的统计部分）的基础，掌握好假设检验的逻辑能帮你快速解决80%的统计应用题。

如果你在刷真题的过程中遇到任何假设检验相关的错题、或者搞不清的概念，随时可以到小欧提问，我们会给你针对性的讲解和练习。

本指南内容对齐 CIE 剑桥国际 AS & A Level 数学 9709 考纲。OwlsAi 与 Cambridge Assessment International Education 无附属关系。