发布网友 发布时间:2022-04-28 20:04
共4个回答
热心网友 时间:2023-09-14 23:14
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。选用的检验方法必须符合其适用条件。注意:t检验的前提:
1、来自正态分布总体;
2、随机样本 ;
3、均数比较时,要求两样本总体方差相等,即具有方差齐性。
理论上,即使样本量很小时,也可以进行t检验。(如样本量为10,一些学者声称甚至更小的样本也行),只要每组中变量呈正态分布,两组方差不会明显不同。如上所述,可以通过观察数据的分布或进行正态性检验估计数据的正态假设。
方差齐性的假设可进行F检验,或进行更有效的Levene's检验。如果不满足这些条件,可以采用校正的t检验,或者换用非参数检验代替t检验进行两组间均值的比较。
扩展资料:
区分单侧检验和双侧检验。单侧检验的界值小于双侧检验的界值,因此更容易拒绝,犯第Ⅰ错误的可能性大。t检验中的p值是接受两均值存在差异这个假设可能犯错的概率。在统计学上,当两组观察对象总体中的确不存在差别时,这个概率拒绝了该假设有关。
一些学者认为如果差异具有特定的方向性,只要考虑单侧概率分布,将所得到t-检验的P值分为两半。另一些学者则认为无论何种情况下都要报告标准的双侧t检验概率。
参考资料来源:百度百科-t检验
热心网友 时间:2023-09-14 23:15
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。选用的检验方法必须符合其适用条件。注意:t检验的前提:
1、来自正态分布总体;
2、随机样本;
3、均数比较时,要求两样本总体方差相等,即具有方差齐性。
理论上,即使样本量很小时,也可以进行t检验。(如样本量为10,一些学者声称甚至更小的样本也行),只要每组中变量呈正态分布,两组方差不会明显不同。如上所述,可以通过观察数据的分布或进行正态性检验估计数据的正态假设。
方差齐性的假设可进行F检验,或进行更有效的Levene's检验。如果不满足这些条件,可以采用校正的t检验,或者换用非参数检验代替t检验进行两组间均值的比较。
实用场景
1、单样本检验:检验一个正态分布的总体的均值是否在满足零假设的值之内。
2、双样本检验:其零假设为两个正态分布的总体的均值是相同的。这一检验通常被称为学生t检验。但更为严格地说,只有两个总体的方差是相等的情况下,才称为学生t检验;否则,有时被称为Welch检验。以上谈到的检验一般被称作“未配对”或“独立样本”t检验,我们特别是在两个被检验的样本没有重叠部分时用到这种检验方式。
3、检验同一统计量的两次测量值之间的差异是否为零。举例来说,我们测量一位病人接受治疗前和治疗后的肿瘤尺寸大小。如果治疗是有效的,我们可以推定多数病人接受治疗后,肿瘤尺寸变小了。这种检验一般被称作“配对”或者“重复测量”t检验。
4、检验一条回归线的斜率是否显著不为零
热心网友 时间:2023-09-14 23:15
t检验是看有无差异,相关是看变化趋势是否有关联。追答若只是想看期望和实际的差异,则不必做相关。只需要做差异检验即可。
热心网友 时间:2023-09-14 23:16
显著性检验的一般步骤或格式,如下: