发布网友 发布时间:2022-04-28 20:04
共4个回答
热心网友 时间:2022-05-13 02:44
t值为负代表前面一组样本的均值低于后面一组的均值,t值是用来判断统计上是否显著的指标。
t值检验回归系数是否等于某一特定值,在回归方程中这一特定值为0,因此t值=回归系数/回归系数的标准误差,因此t值的正负应该与回归系数的正负一致,回归系数的标准误差越大,t值越小,回归系数的估计值越不可靠,越接近于0。另外,回归系数的绝对值越大,t值的绝对值越大。
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。它与f检验、卡方检验并列。t检验是戈斯特为了观测酿酒质量而发明的,并于1908年在Biometrika上公布。
扩展资料
t检验的分类:
1、单总体检验
单总体t检验是检验一个样本平均数与一个已知的总体平均数的差异是否显著。当总体分布是正态分布,如总体标准差未知且样本容量小于30,那么样本平均数与总体平均数的离差统计量呈t分布。
2、双总体检验
双总体t检验是检验两个样本平均数与其各自所代表的总体的差异是否显著。双总体t检验又分为两种情况,一是独立样本t检验(各实验处理组之间毫无相关存在,即为独立样本),该检验用于检验两组非相关样本被试所获得的数据的差异性。
一是配对样本t检验,用于检验匹配而成的两组被试获得的数据或同组被试在不同条件下所获得的数据的差异性,这两种情况组成的样本即为相关样本。
参考资料来源:百度百科-t分布
参考资料来源:百度百科-t检验
热心网友 时间:2022-05-13 04:02
前面一组样本的均值低于后面一组的均值,t值是用来判断统计上是否显著的指标。
在概率论和统计学中,学生t-分布(t-distribution),可简称为t分布,用于根据小样本来估计呈正态分布且方差未知的总体的均值。
如果总体方差已知(例如在样本数量足够多时),则应该用正态分布来估计总体均值。
t分布曲线形态与n(确切地说与自由度df)大小有关。
与标准正态分布曲线相比,自由度df越小,t分布曲线愈平坦,曲线中间愈低,曲线双侧尾部翘得愈高;自由度df愈大,t分布曲线愈接近正态分布曲线,当自由度df=∞时,t分布曲线为标准正态分布曲线。
扩展资料:
t值和P值都用来判断统计上是否显著的指标,例如不良贷款y对贷款余额的估计方程x的回归估计方程为:y=-0.8+0.03x,那么这个方程的系数0.03可以通过计算其t值和p值来判断,经计算t=7.5,P=0.000,根据假设检验的相关知识,可以判断这个方程式有意义的。
例如,当样本数量n=5时,则自由度df=4,我们就可以查找表中以4开头的行。
该行第5列值为2.132,对应的单侧值为95%(双侧值为90%)。
这也就是说,T小于2.132的概率为95%(即单侧),记为Pr(−∞<T<2.132)=0.95;同时,T值介于-2.132和2.132之间的概率为90%(即双侧),记为Pr(−2.132<T<2.132)=0.9。
这是根据分布的对称性计算得到的。
Pr(T<−2.132)=1−Pr(T>−2.132)=1−0.95=0.05因此,Pr(−2.132<T<2.132)=1−2(0.05)=0.9
参考资料来源:百度百科-t分布
热心网友 时间:2022-05-13 05:37
前面一组样本的均值低于后面一组的均值,t值是用来判断统计上是否显著的指标。热心网友 时间:2022-05-13 07:28
T为负值表示前面一组样本的均值低于后面一组的均值