统计学假设检验例题解析
在统计学中，假设检验是一种用于根据样本数据对总体参数做出推断的方法。通过设定一个原假设（null hypothesis, 通常表示为 $H_0$）和一个备择假设（alternative hypothesis, 通常表示为 $H_1$ 或 $H_a$），并利用统计方法判断应接受哪个假设的过程，就是假设检验。以下是一个详细的例题解析，帮助理解假设检验的基本步骤和原理。
例题：
一家食品公司声称其生产的巧克力的平均重量为50克。为了验证这一说法，随机抽取了20块巧克力进行称重，得到的平均重量为49.6克，标准差为1.5克。试在显著性水平 $\alpha = 0.05$ 下，检验该公司的声明是否成立。
步骤一：确定问题并设立假设
- 原假设 $H_0$：巧克力的平均重量为50克，即 $\mu = 50$。
- 备择假设 $H_1$：巧克力的平均重量不为50克，即 $\mu \neq 50$。（这是一个双侧检验）
步骤二：选择适当的检验统计量
由于样本量较大（n=20，通常认为大于30为大样本，但此处我们使用t分布因其更通用），且总体方差未知（使用样本方差估计），我们选择t检验作为我们的检验方法。检验统计量为：
[ t = \frac{\bar{x} - \mu_0}{s/\sqrt{n}} ]
其中，$\bar{x}$ 是样本均值，$\mu_0$ 是原假设中的总体均值，$s$ 是样本标准差，$n$ 是样本大小。
步骤三：计算检验统计量的值
将已知数值代入公式：
[ \bar{x} = 49.6, \quad \mu_0 = 50, \quad s = 1.5, \quad n = 20 ]
得到：
[ t = \frac{49.6 - 50}{1.5/\sqrt{20}} = \frac{-0.4}{0.3317} \approx -1.21 ]
步骤四：确定拒绝域
在显著性水平 $\alpha = 0.05$ 下，查找t分布的临界值。对于双侧检验，我们需要找到使P值小于0.025的t值（因为0.05/2=0.025）。这通常通过查阅t分布表或使用统计软件完成。对于自由度为 $n-1=19$ 的t分布，临界值约为 $\pm 2.093$。
步骤五：比较检验统计量与临界值
由于我们计算的t值为-1.21，它落在拒绝域之外（即在-2.093到2.093之间），因此我们不能拒绝原假设。
步骤六：得出结论
基于上述分析，我们没有足够的证据在显著性水平0.05下拒绝公司的声明，即我们不能断定巧克力的平均重量不是50克。因此，在当前的样本和数据下，我们认为公司的声明是合理的。
这个例子展示了如何进行一个简单的双侧t检验。在实际应用中，还可能涉及单侧检验、不同样本量的处理、以及更复杂的数据分布情况。重要的是理解假设检验的基本原理和步骤，并能够根据实际情况灵活应用。
