拒绝域法
它包括：
- 已知总体分布的形式，需对其中的未知参数给出假设检验——参数检验（重点）
- 总体分布形式完全未知的情况下，对总体的分布或者数字特征进行假设检验——非参数检验
假设
- 原假设（零假设）
- 备择假设（对立假设）
原假设往往是不成立的；备择假设是现有数据所支持的结论
下面通过一个例子进行说明：
假设检验主要是看C的取值
检验统计量、拒绝域与接受域
两类错误
要学会计算犯两类错误的概率
犯第一类错误的概率
关键：构造N（0，1）正态
也很好理解，为什么拒绝正确的假设？→因为选取的阈值C太苛刻了
犯第二类错误的概率
关键：构造N（0，1）正态
和第一类错误相比构造N（0，1）正态要复杂一些，需要去掉绝对值
Neyman-Pearson原则——先控第一类错误
其中， 称为显著水平，常取
继续看刚才的例子：
同时，为了使犯第二类错误的概率尽量小，我们就取
接下来利用现有的样本进行假设检验：
值法和统计显著性
- 注意，从几何角度加强理解
P_值与显著水平 的关系
P_值和拒绝域法应该是等价的？
