u-150 40 作为检验统计量.容易看出，在H。为真时，它服从N(0,1),于是对给定的a,通过等式 P(>)-a 可以定出一个值4时就拒绝原假设H。否则就接受H。 若我们一次抽样得到的观察值(x1…,x)∈C,就作出拒绝H。:μ=1500的决定这时犯第 一类错误的概率a005现在我们观察到25只灯管的平均寿命为=》x,=1675显然 25台 x>156,这一组子样值是落入临域C的，我们就拒绝原假设H。:4=1500,并且说x与1500差 异显著 那么为什么能作出拒绝H的决定呢？换名话说，为什么能把{（任，…x,)云>1566作这临 界域C呢？因为u=1500下， P(E>1566=0.05 这意味着“>1566”是一个小概率事件.根据小概率事件在一次试验中认为不可能发生的实 际推断原理，现在在一次试验或观察中出现了，我们甘骨犯第一类错误的风险而拒绝原假设 H。 我们在这里归纳一下解题的思想和步骤 (①)根据根据的要求建立原假设H,及备择假设H,(在以下的叙述中我们以例7.1中的 H和H,来说明)： (②)选择一个合适的统计量“，一般以简单为好，并且它的抽样分布不含任何未知参数 从而可以算出它的分位点， (③)给定显著性水平a的值（一般取得较小，如0.05,0.01等），并在原假设H。为真的条件 下求出能使 Pa,(u>)≤a 成立的4值，从而求出临界域C={(…x）上μ(…x)≥4（临界域可以是单侧，也可以 是双侧，可根据具体情况予以解决)， (4)若由子样观察值算出的μ的值(x,…x)≥，即子样观察值落入临界域C,则拒绝原假μ= 40  −1500 作为检验统计量.容易看出,在 H0 为真时,它服从 N(0,1),于是对给定的 a,通过等式 P(μ> 1−a )=a 可以定出一个值 1−a 时就拒绝原假设 H0 否则就接受 H0 . 若我们一次抽样得到的观察值( n x , x 1  )∈C,就作出拒绝 H0 :μ=1500 的决定.这时犯第 一类错误的概率α=0.05.现在我们观察到 25 只灯管的平均寿命为 1675 25 1 25 1 =  = i= i x x 显然 x >1566,这一组子样值是落入临域 C 的,我们就拒绝原假设 H0 :  =1500,并且说 x 与 1500 差 异显著. 那么为什么能作出拒绝 H0 的决定呢?换名话说,为什么能把{ ( ) 1 n x x : x >1566}作这临 界域 C 呢?因为μ=1500 下, P(  >1566)=0.05 这意味着“ >1566”是一个小概率事件.根据小概率事件在一次试验中认为不可能发生的实 际推断原理,现在在一次试验或观察中出现了,我们甘冒犯第一类错误的风险而拒绝原假设 H0 . 我们在这里归纳一下解题的思想和步骤: (1) 根据根据的要求建立原假设 H0 及备择假设 H1 (在以下的叙述中我们以例7.1中的 H0 和 H1 来说明); (2) 选择一个合适的统计量μ,一般以简单为好,并且它的抽样分布不含任何未知参数, 从而可以算出它的分位点; (3) 给定显著性水平α的值(一般取得较小,如 0.05,0.01 等),并在原假设 H0 为真的条件 下求出能使 H0 P (μ>  0 )≤α 成立的  0 值,从而求出临界域 C={ ( ) 1 n x x :μ ( ) 1 n x x ≥  0 }(临界域可以是单侧,也可以 是双侧,可根据具体情况予以解决); (4) 若由子样观察值算出的μ的值 ( ) 1 n x x ≥  0 ,即子样观察值落入临界域 C,则拒绝原假