统计学学习笔记——（10）t检验

t分布

当我们不知道总体标准偏差时，用t检验是最好的方式，用样本标准偏差来取代。

t统计量（t-statistic）：计算t统计量与计算z统计量非常相似，可以用以下公式计算：

$$t=\frac{\bar{x}-\mu}{\frac{\sigma}{\sqrt{n}}}$$

我们同样必须计算样本的自由度(df)：

$$df=n-1$$

与z统计量一样，我们可以使用来获取低于特定值或在特定值之间的比例。t检验也很适合测试两个样本的均值（如配对t检验），修改公式为：

$$\frac{(x_2-x_1)-(\mu_2-\mu_1)}{\frac{\sqrt{(s_1^2+s_2^2)}}{n}}$$

Cohen’s d

Cohen’s d： Cohen’s d 测量了一种现象的强度大小。Cohen’s d 给出了距离均值的标准单位量。计算公式为:

$$d=\frac{\bar{x_1}-\bar{x_2}}{s}$$

$$s=\sqrt{\frac{(n_1-1)s_1^2+(n_2-1)s_2^2}{n_1+n_2-2}}$$

标准误差

标准误差（Standard Error）：从总体中抽取的所有样本均值的标准差。计算公式为：

$$SE=\frac{\sigma}{\sqrt{n}}$$
两个样本的标准误差可以通过下面公式计算：
$$SE=\sqrt{\frac{S_1^2}{n_1}+\frac{S_2^2}{n_2}}$$

合并方差（Pooled Variance）：在统计学中是指当多个总体均值不同时估算总体方差的方法。其假设每个总体都有着相同的方差。在此假设之下，合并样本方差相比单个的样本方差能更精确地估算总体方差。计算公式为：

$$S_p^2=\frac{SS_1+SS_2}{df_1+df_2}$$
我们可以用合并方差来计算标准误差：
$$SE=\sqrt{\frac{S_p^2}{n_1}+\frac{S_P^2}{n_2}}$$