均值比较检验.ppt

* 基本思想 配对样本均值的检验就是根据两个配对样本，推断两个总体的均值是否存在显著性差异。 其基本思想是：先求出每对配对样本的观测值之差，形成一个新的单样本，再对差值求均值，检验差值的均值是否为0。 若两个样本的均值没有显著性差异，则样本之差的均值就接近为0，这类似于单一样本均值的检验。 配对样本均值的检验也叫作配对样本的ｔ检验（Paired-Samples T Test）。 * 检验步骤 提出假设 确定检验统计量 做出统计推断 * 检验统计量 配对样本均值检验要求两个样本的差值服从正态分布。 总体差值D服从正态分布， 为总体差值的均值。 t检验统计量为： 式中，S为样本差值的标准差，定义为： 。 * 一个以减肥为主要目标的健美俱乐部声称，参加其 训练班至少可以使减肥者平均体重减重8.5kg以上。 为了验证该宣称是否可信，调查人员随机抽取了10名 参加者，得到他们的体重记录如下表： 例题分析 在 ? = 0.05的显著性水平下，调查结果是否支持该俱乐部的声称？ 训练前 94.5 101 110 103.5 97 88.5 96.5 101 104 116.5 训练后 85 89.5 101.5 96 86 80.5 87 93.5 93 102 左侧检验 * 样本差值计算表 训练前 训练后 差值Di 94.5 101 110 103.5 97 88.5 96.5 101 104 116.5 85 89.5 101.5 96 86 80.5 87 93.5 93 102 9.5 11.5 8.5 7.5 11 8 9.5 7.5 11 14.5 合计 — 98.5 配对样本的 t 检验(例题分析) * 配对样本的 t 检验 (例题分析) 差值均值 差值标准差 * H0: m1 – m2 ? 8.5 H1: m1 – m2 8.5 a = 0.05， df = 10 - 1 = 9 临界值(s): 检验统计量: 决策: 结论: 在 ? = 0.05的水平上不拒绝H0 不能认为该俱乐部的宣称不可信 配对样本的 t 检验 (例题分析) -1.833 t 0 拒绝域 .05 * 说明 SPSS统计软件中，检验程序的输出结果中如果未标明是单侧还是双侧检验，其所显示的P值均是双侧检验的结果。若使用者欲进行的是单侧检验，其程序与双侧检验相同，但所得到的P值须自行除以2，再与显著性水平α相比较。不过，就假设检验而言，大部分都属于双侧检验的假设，故不需再除以2。 * 现以T表示所用的检验统计量，t表示根据样本计算得到的检验统计量的值。现分别考虑左侧检验和右侧检验，单侧检验的P值见下表： 其中，P值（双侧）是SPSS软件运行假设检验程序的结果 假设 当t≥0时 t≤0时 P值（双侧）/2 1- P值（双侧）/2 1-P值（双侧）/2 P值（双侧）/2 * SPSS应用 操作步骤（1） 点击按顺序打开“Transform”-“Compute”，打开对话框，并输入相应变量及其公式后，如图所示： * 操作步骤（2） 按照顺序：Analyze → Compare Means → Paired-Samples T Test，进入配对样本T检验 “Paired-Samples T Test”对话框中，将左侧“x0”和“x2”变量选入到 “Paired Variables”框中 ，如图所示 * 输出结果（1） Mean N Std. Deviation Std. Error Mean Pair 1 X0 92.7500 10 7.96259 2.51799 训练后的体重 91.400 10 7.1056 2.2470 Paired Samples Statistics * 输出结果（2） N Correlation Sig. Pair 1 X0 训练后的体重 10 .964 .000 Paired Samples Correlations 结果解释 此表给出了配对样本间的相关性，相关系数为0.964，说明彼此间高度相关，且其检验的p值为00.05，意味着其相关性是显著性的 * 输出结果（3） 结果解释： 此问题为左侧检验： H0：μ1-μ2≥8.5，H1：μ1-μ28.5 又由于其检验统计量的值为1.9410，所以，此例检验的P值应为1-0.084/2=0.9580.05，故不能拒绝原假设，即没有充足的理由认为该俱乐部的宣称是不正确的。 0 * Excel中的统计函数 ZTEST—计算Z检验的P值 TDIST—计算t分布的概率