我可以在结论中写“接受”吗？

不行，Edexcel 阅卷官会对这种表述扣分。你必须写"没有足够证据拒绝"，因为你无法证明原假设为真，只能说明没有足够证据推翻它。

假设检验（S2）

Q: 我需要在结论中明确写出显著性水平吗？

是的，Edexcel 阅卷官要求你在说明决策理由时明确提及显著性水平，例如"由于检验统计量落在5%显著性水平下的临界域内，我们拒绝"。

Q: 什么时候我可以在二项分布假设检验中使用正态近似？

按照Edexcel S2考纲要求，当且时可以使用正态近似。使用该近似时必须始终应用连续性校正。

Edexcel 国际 A-Level 数学· WST02 Unit 4· 35 分钟阅读

1. 核心抽样与统计量基础★★☆☆☆⏱ 8 min

✓ 计算器

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。

📘 定义

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。

Exam tip:

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。

2. 假设检验基础与假设建立★★☆☆☆⏱ 7 min

✓ 计算器

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（ $H_{1}$ ）。

📘 定义

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
$H_1: p < 0.7$

Exam tip:

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。

3. 临界域、单尾与双尾检验★★★☆☆⏱ 8 min

✓ 计算器

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。

📘 定义

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。

Exam tip:

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。

4. 二项分布参数$p$的假设检验★★★★☆⏱ 10 min

✓ 计算器

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 $n p$ 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： $n p = 40$ ， $n (1 - p) = 60$ ，两者都≥5，因此近似适用。
2
近似分布： $X \approx N (40, 24)$ （方差 = $n p (1 - p) = 100 \times 0.4 \times 0.6 = 24$ ）。
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%。

Exam tip:

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。

5. 泊松分布均值$λ$的假设检验★★★★☆⏱ 7 min

✓ 计算器

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 $X \sim P o (4)$ 。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。

Exam tip:

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。

6. 常见陷阱

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。

7. 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 $n p, n (1 - p) \geq 5$ 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 - $P (X \leq x)$	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 $H_{0}$ ”？

8. 常见问题

我需要在结论中明确写出显著性水平吗？

是的，Edexcel 阅卷官要求你在说明决策理由时明确提及显著性水平，例如*"由于检验统计量落在5%显著性水平下的临界域内，我们拒绝 $H_{0}$ "*。

什么时候我可以在二项分布假设检验中使用正态近似？

按照Edexcel S2考纲要求，当 $n p \geq 5$ 且 $n (1 - p) \geq 5$ 时可以使用正态近似。使用该近似时必须始终应用连续性校正。

我可以在结论中写“接受 $H_{0}$ ”吗？

不行，Edexcel 阅卷官会对这种表述扣分。你必须写*"没有足够证据拒绝 $H_{0}$ "*，因为你无法证明原假设为真，只能说明没有足够证据推翻它。

深入阅读

Official ResourceEdexcel IAL S2 公式与统计用表所有S2考试均提供该手册，包含二项分布/泊松分布累积概率表

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。