统计基础:3.3_假设检验之t检验(Student‘s t test)

t检验是用于小样本正态分布的参数检验,包括单样本、独立样本和配对样本三种类型。单样本t检验比较样本均数与已知总体均数;独立样本t检验分析两组数据差异;配对样本t检验考察处理前后的平均值差异。通过计算t统计量并查表确定显著性,判断统计学意义。
摘要由CSDN通过智能技术生成

一、参数检验:T检验介绍

  t检验,亦称student t检验(Student’s t test),主要用于样本含量较小(例如n < 30),总体标准差σ未知的正态分布。 [1] t检验是用t分布理论来推论差异发生的概率,从而比较两个平均数的差异是否显著。
在这里插入图片描述

1.1、单样本T检验(one sample t test)

  单样本T检验又称单样本均数t检验,适用于样本均数与已知总体均数μ0的比较,目的是检验样本均数所代表的总体均数μ是否与已知总体均数μ0有差别。

前提条件:总体标准α未知的小样本,且服从正态分布

  单样本t检验统计量为:
t = X ˉ − u S / n t = \frac{\bar X-u}{S/\sqrt n} t=S/n Xˉu
  其中 X ˉ \bar X Xˉ 为样本平均数, S = ∑ i = 1 n ( x i − x ˉ ) 2 n S=\sqrt{\frac{\sum_{i=1}^n(x_i-\bar x)^2}{n}} S=ni=1n(xixˉ)2 为样本标准偏差,n为样本数。该统计量t在零假说:μ=μ0为真的条件下服从自由度为n的t分布。

eg:大规模调查已知某地新生儿出生体重为3.30kg。从该地难产儿中随机抽取35名新生儿,平均出生体重为3.42kg,标准差为0.40kg,问该地难产儿出生体重是否与一般新生儿体重不同?
step1:建立假设H0:u=u0,H1:u≠0
step2:计算统计量 t = X ˉ − u 0 S / n = 3.42 − 3.30 0.40 / 3 5 = 1.77 t = \frac{\bar X - u_0}{S/\sqrt n}=\frac{3.42-3.30}{0.40/\sqrt 35}=1.77 t=S/n Xˉu0=0.40/3 53.423.30=1.77
step3:在显著性水平 α = 0.05 \alpha = 0.05 α=0.05,本例自由度v=n-1=34下,查表得 t 0.05 / 2 ( 34 ) = 2.032 t_{0.05/2}(34)=2.032 t0.05/2(34)=2.032
step4:统计决策,因t < t 0.05 / 2 ( 34 ) t_{0.05/2}(34) t0.05/2(34),故P>0.05,按 α=0.05水准,没有发现充足的证据拒绝H0,故差别无统计学意义,尚不能认为该地难产儿与一般新生儿平均出生体重不同。

1.2、独立样本T检验(independent sample t-test)

  独立样本T检验是用于分析定类数据与定量数据之间的关系情况,适合对比两组数据的差异性(如不同性别的两类人群,他们网购满意度是否有差异?),需要特别注意的是,该定类变量为二分类变量(三分类及以上使用方差分析),各分类频数可以不相等。

前提条件:两组数据来自正态分布的群体,数据的方差齐,满足独立性。

  • 其统计量为:
    t = X ˉ 1 − X ˉ 2 ( n 1 − 1 ) S 1 2 + ( n 2 − 1 ) S 2 2 n 1 + n 2 − 2 ( 1 n 1 + 1 n 2 ) t = \frac{\bar X_1-\bar X_2}{\sqrt{\frac{(n_1-1)S_1^2+(n_2-1)S_2^2}{n_1+n_2-2}(\frac{1}{n_1}+\frac{1}{n_2})}} t=n1+n22(n11)S12+(n21)S22(n1
  • 1
    点赞
  • 25
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值