# 假设检验（S2）

> Edexcel 国际 A-Level 数学 · IAL S2 2018
> 来源: https://www.owlsprep.com/zh/study/edexcel-ial-math-s2-hypothesis-tests/

本指南覆盖Edexcel IAL S2所有假设检验相关内容，包括核心抽样概念、假设建立、临界域、单/双尾检验，以及针对二项分布$p$和泊松分布均值$λ$的检验，附带二项检验的正态近似方法。

**先修:** [掌握二项分布和泊松离散概率分布的相关知识](https://www.owlsprep.com/zh/study/edexcel-ial-math-s2-discrete-probability-distributions/); [能够熟练使用Edexcel累积统计用表](https://www.owlsprep.com/zh/study/edexcel-ial-math-s2-statistical-tables-use/)

## 学习目标

- 区分总体、普查、样本、抽样单元和抽样框的定义，对比普查与抽样调查的优缺点
- 定义统计量并解释其抽样分布的概念
- 针对二项分布参数$p$和泊松分布均值$λ$的检验，建立原假设和备择假设
- 识别临界域，计算单尾和双尾检验的检验统计量
- 在适用场景下对二项分布参数$p$的假设检验使用带连续性校正的正态近似
- 写出符合考试标准的上下文结论，明确区分拒绝$H_0$和证据不足无法拒绝$H_0$的表述

## 核心抽样与统计量基础

在进行假设检验之前，你必须先区分Edexcel S2考纲定义的关键抽样术语。**总体**是所有感兴趣对象的完整集合，**普查**从总体的每一个成员处收集数据，而**样本**仅从总体的子集收集数据。**抽样单元**是总体中的单个成员，**抽样框**是所有可被选中的抽样单元的完整列表。

**统计量** — 由样本已知观测值构成的函数，不包含任何未知的总体参数。其抽样分布是从该总体中抽取所有相同大小的可能样本时，该统计量的概率分布。

- 普查：优点 = 100%覆盖总体，无抽样误差；缺点 = 耗时久、成本高，对于大规模或破坏性测试的总体不现实
- 抽样调查：优点 = 速度快、成本低，适用于破坏性测试；缺点 = 存在抽样误差，结果是估计值而非精确值

**例题:** 某工厂每天生产10000个灯泡。质量控制团队想要测试使用寿命超过1000小时的灯泡占比。说明使用抽样调查而非普查进行该测试的一个优点和一个缺点。

1. 识别场景：测试灯泡寿命是破坏性的，测试每一个灯泡会导致它们无法售卖。
2. 抽样的优点：避免销毁所有生产出的灯泡，大幅降低工厂的经济损失。
3. 抽样的缺点：长寿命灯泡占比的估计值存在抽样误差，可能无法完全匹配总体的真实值。

> **考试提示:** 阅卷官经常出1-2分的普查与样本对比题，所以你的答案要贴合题目给出的具体场景，不要只写通用表述。

*计算器:* allowed

## 假设检验基础与假设建立

假设检验是一种统计流程，使用样本数据检验关于总体参数的主张。你始终需要陈述两个对立的假设：原假设（$H_0$）和备择假设（$H_1$）。

**假设检验** — 结构化的检验流程，用于评估是否有足够的样本证据推翻关于总体参数的既定假设（原假设）。

- $H_0$是默认假设，严格以等式形式表述：$H_0: p = p_0$ 或 $H_0: λ = λ_0$
- $H_1$是你要寻找证据支持的主张，以与检验方向匹配的不等式形式表述
- 显著性水平$α$是当$H_0$为真时错误拒绝它的阈值概率，S2考试中通常取1%、5%或10%

**例题:** 一位老师声称她的学生中有70%通过了模拟考试。一位新辅导老师认为通过率更低。为检验该辅导老师的主张，写出合适的原假设和备择假设。

1. 明确定义参数：令$p$ = 随机选取的一名学生通过模拟考试的概率。
2. 原假设是原始的默认主张，以等式形式表述：
3. $$H_0: p = 0.7$$
4. 备择假设匹配辅导老师提出的通过率更低的主张，因此是左尾不等式：
5. $$H_1: p < 0.7$$

> **考试提示:** 建立假设时必须明确定义参数，这是所有S2假设检验题的必拿分点。

*计算器:* allowed

## 临界域、单尾与双尾检验

检验统计量是你计算出来用于评估反对$H_0$证据强度的样本统计量。**临界域**是检验统计量中所有会导致你拒绝$H_0$的取值集合。检验是单尾还是双尾由$H_1$的不等式形式决定。

**临界域** — 检验统计量的取值范围，在$H_0$成立的前提下观测到该范围内结果的概率小于等于显著性水平$α$，观测值落入该范围则拒绝$H_0$。

- 单尾检验：$H_1$使用单方向不等式（< 或 >），所有$α$概率都分配到分布的一个尾部
- 双尾检验：$H_1$使用无方向不等式（≠），$α$概率在分布的上下尾部平均分配，例如5%显著性水平下每个尾部分配2.5%

**例题:** 某商店声称每周平均收到3起客户投诉。一名经理认为该数值发生了变化，未指定变化方向。说明所需的检验类型，以及5%显著性水平下的临界域分配方式。

1. 定义参数：令$λ$ = 每周平均投诉数量，服从泊松分布。
2. 假设为$H_0: λ = 3$，$H_1: λ \neq 3$，因此这是一个双尾检验。
3. 对于5%显著性水平，将2.5%的概率分配到泊松分布的下尾，2.5%分配到上尾，在$H_0$成立的前提下找到临界域的边界。

> **考试提示:** 对于双尾检验，你必须明确说明将显著性水平平均分配到两个尾部，这是常见的失分点。

*计算器:* allowed

## 二项分布参数$p$的假设检验

S2中最常见的假设检验是针对二项分布$X \sim B(n,p)$的参数$p$的检验。你可以使用二项累积表查找临界域或p值，当$np$和$n(1-p)$都≥5时，可以使用正态近似，且必须应用连续性校正。

**例题:** 一枚硬币被抛掷20次，其中正面朝上6次。在5%显著性水平下检验该硬币是否偏向反面。

1. 定义参数：令$p$ = 硬币正面朝上的概率，$X$ = 20次抛掷中正面朝上的次数，因此在$H_0$下$X \sim B(20, p)$。
2. 建立假设：偏向反面意味着$p < 0.5$，因此$H_0: p = 0.5$，$H_1: p < 0.5$，单尾检验，$α = 0.05$。
3. 检验统计量为$x=6$。使用$n=20, p=0.5$的二项累积表查找$P(X \leq 6)$：
4. $$P(X \leq 6) = 0.0577$$
5. 与显著性水平对比：0.0577 > 0.05，因此检验统计量不在临界域内。
6. 结论：在5%显著性水平下没有足够证据拒绝$H_0$，因此我们认为该硬币不偏向反面。

**例题:** 某公司声称40%的客户会购买附加产品。在100名客户的样本中，有30人购买了该产品。在5%显著性水平下使用正态近似检验真实占比是否低于40%。

1. 在$H_0$下定义$X \sim B(100, 0.4)$。检查正态近似条件：$np = 40$，$n(1-p) = 60$，两者都≥5，因此近似适用。
2. 近似分布：$X \approx N(40, 24)$（方差 = $np(1-p) = 100 \times 0.4 \times 0.6 = 24$）。
3. 对$X \leq 30$应用连续性校正：使用$x = 30.5$。
4. 计算z分数：
5. $$z = \frac{30.5 - 40}{\sqrt{24}} = -1.936$$
6. 5%单尾下侧检验的临界值为-1.6449。$-1.936 < -1.6449$，因此检验统计量落在临界域内。
7. 结论：在5%显著性水平下拒绝$H_0$，有足够证据表明购买附加产品的客户占比低于40%。

> **考试提示:** 使用正态近似进行二项分布假设检验时必须始终应用连续性校正，遗漏该步骤每道题会让你损失2分以上。

*计算器:* allowed

## 泊松分布均值$λ$的假设检验

你还需要针对泊松分布的均值$λ$进行假设检验，该分布适用于计数数据（例如每月事故数、每批次缺陷数）。使用官方提供的公式手册中的泊松累积表查找p值或临界域。

**例题:** 一家咖啡馆记录到每10分钟平均有4名顾客到店。在新的广告宣传活动后，一个10分钟窗口内有9名顾客到店。在5%显著性水平下检验到店率是否有所上升。

1. 定义$X$ = 每10分钟到店的顾客数，在$H_0$下$X \sim Po(4)$。假设：$H_0: λ = 4$，$H_1: λ > 4$，单尾检验，$α = 0.05$。
2. 检验统计量为$x=9$。使用$λ=4$的泊松累积表计算$P(X \geq 9) = 1 - P(X \leq 8)$：
3. $$P(X \leq 8) = 0.9786 \implies P(X \geq 9) = 1 - 0.9786 = 0.0214$$
4. 与显著性水平对比：0.0214 < 0.05，因此检验统计量落在临界域内。
5. 结论：在5%显著性水平下拒绝$H_0$，有足够证据表明广告宣传活动后顾客到店率有所上升。

> **考试提示:** 对于泊松上尾检验，记得用1减去下尾累积概率得到p值，因为表格只提供下尾累积值。

*计算器:* allowed

## 常见错误

- **错误做法:** 将$H_1$表述为等式而非不等式
  - 原因: 原假设始终是默认的等式假设；$H_1$是对立主张，必须是不等式。
  - 正确做法: 对于左尾检验写$H_0: p = 0.6$和$H_1: p < 0.6$，永远不要写$H_1: p = 0.4$之类的形式。
- **错误做法:** 在二项检验中使用正态近似时忘记连续性校正
  - 原因: 二项分布是离散分布而正态分布是连续分布，需要用连续性校正让两个分布对齐。
  - 正确做法: 将离散值调整0.5，例如$X \leq 30$使用30.5，$X \geq 30$使用29.5。
- **错误做法:** 对单尾检验将显著性水平平均拆分
  - 原因: 单尾检验将所有显著性水平概率分配到单个尾部，不需要拆分。
  - 正确做法: 单尾检验将全部$α$值用于一个尾部，仅对双尾检验将$α/2$分配到每个尾部。
- **错误做法:** 在结论中写“接受$H_0$”而非“没有足够证据拒绝$H_0$”
  - 原因: 你永远无法证明原假设为真，只能说明没有足够证据推翻它。
  - 正确做法: 当检验统计量不在临界域内时，明确写出“在X%显著性水平下没有足够证据拒绝$H_0$”。
- **错误做法:** 建立假设时没有明确定义总体参数
  - 原因: Edexcel阅卷官要求显式的参数定义，这是所有假设检验题的必拿分点。
  - 正确做法: 假设题的开头永远写“令$p$ = 单次试验的成功概率”，对于泊松$λ$也使用等价表述。

## 速查表

| 概念 | 核心规则 | 考试检查点 |
| --- | --- | --- |
| 假设建立 | $H_0$ = 等式，$H_1$ = 与主张匹配的不等式 | 你是否明确定义了参数？ |
| 单尾检验 | 所有$α$分配到一个尾部，$H_1$使用<或> | 主张是有方向的吗？只有是才用单尾检验 |
| 双尾检验 | $α$在两个尾部平均分配，$H_1$使用≠ | 如果检验是无方向的，你是否拆分了$α$？ |
| 二项分布$p$检验 | 使用二项累积表；当$np,n(1-p)≥5$时使用正态近似 | 正态近似时你是否应用了连续性校正？ |
| 泊松分布$λ$检验 | 使用泊松累积表；上尾概率 = 1 - $P(X≤x)$ | 计算上尾概率时你是否用1做了减法？ |
| 结论 | 提及显著性水平，将结果结合场景表述 | 你是否区分了“拒绝$H_0$”和“没有足够证据拒绝$H_0$”？ |

## 下一步

现在你已经掌握了S2假设检验的知识，可以将这些技能应用到历年真题中，提升答题速度和准确率。假设检验是核心统计技能，如果你后续学习S3，还会在此基础上学习正态均值的z检验、卡方拟合优度检验和相关性假设检验。请确保你练习使用官方Edexcel统计用表快速查找临界值和p值，这会在考试中为你节省大量时间。记住始终清晰地组织你的答案，包含参数定义、假设、检验统计量计算、与临界值或显著性水平的对比，以及结合场景的结论，最大化你的得分。

---

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/edexcel-ial-math-s2-hypothesis-tests/