A. 当 $\mu \neq 0$ 但接近于 0 时,犯第一类错误的概率很大,检验效果较好
B. 当 $H_0$ 不成立时,犯第二类错误的概率 $\beta = 1 - \alpha$
C. 当实际均值 $\mu$ 偏离原假设较大时,犯第一类错误的概率很小,检验效果较好
D. 当 $H_0$ 成立时,犯第一类错误的概率 $\alpha_0 = \alpha$
设总体 X sim N(mu, sigma^2), X_1, X_2, ldots, X_n 是来自总体 X 的样本,据此样本检验假设 H_0: mu = mu
设 X_1, X_2, ..., X_n 为来自总体 X sim N(mu, 9) 的样本, overline(X) 为样本均值.对于检验假设 H_0: mu
设总体 X sim N(mu , sigma^2),从 X 中抽得简单随机样本:X_1, X_2, dotsc, X_n ,检验假设 H_0: mu = mu_
设总体 X sim N(mu , sigma^2),从 X 中抽得简单随机样本:X_1, X_2, dotsc, X_n ,检验假设 H_0: mu = mu_
设总体 X sim N(mu,1),检验 H_0: mu = mu_0,对 H_1: mu neq mu_0,在显著水平 alpha=0.01 下,则拒绝域是【
设总体 X sim N(mu, 2^2),通过样本 X_1, X_2, ldots, X_n 检验假设 H_0: mu geq 10,则在显著性水平 alpha
设总体 X 服从正态分布 N(mu,1),X_1, X_2, dotsc, X_9是从总体 X 中抽取的样本。考虑假设检验问题:H_0: mu = 6,H_1:
X_n 是正态总体 N(mu, sigma^2) 的样本,其中 sigma^2 未知,检验问题 H_0: mu = mu_0, H_1: mu neq mu_0
设总体 X sim N(mu, sigma^2),mu 和 sigma^2 均未知,统计假设取为 H_0: mu = mu_0,H_1: mu neq mu_0
设总体 X sim N(mu, sigma^2),其中 mu, sigma^2 均未知,设 X_1, X_2, ..., X_n 是来自总体 X 的样本,则 m