R语言差异检验：t检验

---

t检验(student t检验)是应用t分布的特征，将t作为检验的统计量来进行统计推断方法。它对样本要求较小(例如n＜30)。

主要用途：

• 样本均数与总体均数的差异比较
• 两样本均数的差异比较

分类：

• 单样本t检验
• 独立样本t检验
• 配对样本t检验

单样本t检验

单样本t检验主要用于判断样本均数与总体均数是否存在显著差异。

适用条件

• 已知一个总体均数
• 已知一个样本均数及该样本标准差
• 样本正态分布或近似正态总体

实际应用中，当数据量足够大时，对样本正态分布要求不再严格。只要数据分布不是严重偏态，一般来说单样本t检验都是适用的。

具体计算公式

$$t=\frac{\bar{x}-{\mu }_0}{s/\sqrt{n}}$$

$$自由度df=n-1$$
其中，$\bar{x}$为样本均数、${\mu }_0$为总体均数，$s$为样本标准偏差、$n$为样本数。该统计量t在原假设$\mu ={\mu }_0$为真的条件下服从自由度为$n-1$的t分布。

R语言示例

R语言中可以用t.test函数进行t检验

(虚构)从某小学六年级抽取10名学生，其身高(单位：cm),是否认为该学校六年级平均身高130cm?

10名学生身高：
130,120,130,110,130,135,129,124,130,134

#生成数据
x <- c(130,120,130,110,130,135,129,124,130,134)
#t检验
t.test(x,mu = 130)

	One Sample t-test

data:  x
t = -1.1884, df = 9, p-value =
0.2651
alternative hypothesis: true mean is not equal to 130
95 percent confidence interval:
 121.8702 132.5298
sample estimates:
mean of x 
    127.2 
#结果显示，P=0.2651＞0.05。在统计学上说明样本均数与总体均数没有差别。

独立样本t检验

独立样本t检验主要检验两个样本均数及其所代表的总体之间差异是否显著。

适用条件

• 独立性，各观察值之间相关独立
• 正态性，各样本均来自正态分布的总体
• 方差齐性，各样本所在总体的方差相等

具体计算公式

• 方差齐性条件下下
  $$s_c^2=n_1+n<$$