接上文。

正态总体均值、方差的假设检验

　单个正态总体均值的假设检验、方差的假设检验；成对数据均值的假设检验、两个正态总体方差比的检验。根据检验统计量的分布分别称为:z检验、t检验、卡方检验、F检验。

分布	原假设$H_0$	检验统计量	备择假设$H_1$	拒绝域
单正态($\sigma^2$已知)	$\mu \le \mu_0$	$Z=\dfrac{\overline X - \mu_0}{\sigma/\sqrt(n)}$	$\mu >\mu_0$	$z \ge z_\alpha$ ($\overline X -\mu_0是一个比较大的数$)
单正态($\sigma^2$已知)	$\mu \ge \mu_0$	$Z=\dfrac{\overline X - \mu_0}{\sigma/\sqrt(n)}$	$\mu <\mu_0$	$z \le -z_\alpha$ ($\overline X -\mu_0是一个比较小的数$)
单正态($\sigma^2$已知)	$\mu = \mu_0$	$Z=\dfrac{\overline X - \mu_0}{\sigma/\sqrt(n)}$	$\mu \ne \mu_0$	$|z| \ge z_{\alpha/2}$ ($\overline X -\mu_0的绝对值是一个比较大的数$)
单正态($\sigma^2$未知)	$\mu \le \mu_0$	$t=\dfrac{\overline X - \mu_0}{S/\sqrt(n)}$	$\mu >\mu_0$	$t \ge t_\alpha$(n-1)
单正态($\sigma^2$未知)	$\mu \ge \mu_0$	$t=\dfrac{\overline X - \mu_0}{S/\sqrt(n)}$	$\mu <\mu_0$	$t \le -t_\alpha$(n-1)
单正态($\sigma^2$未知)	$\mu = \mu_0$	$t=\dfrac{\overline X - \mu_0}{S/\sqrt(n)}$	$\mu \ne \mu_0$	$|t| \ge -t_{\alpha/2}$(n-1)

用图描述一下正态总体均值假设检验的分析

所有的表格

　剩下的事情就是练习了。不断练习，掌握这种检验方法。

假设检验与区间估计

区间估计	参数未知	参数固定不变的	根据样本对参数进行估计
假设检验	参数已知 $\mu=\mu_0$	因为某种原因 参数发生了变化 品种改良	根据样本确认参数是否真的发生了变化