建模.t检验综述.pptVIP

　　1.1　均值过程 　　1.2　单样本T检验 　　1.3　独立样本T检验 　　1.4　配对样本T检验 　　1.5　本章小结;Means过程是spss计算各种基本描述统计量的过程 按照用户指定条件，对样本进行分组计算均数和标准差 用户可以指定一个或者多个变量作为分组变量 ;1.1 比较不同性别同学的成绩平均值，见“例题1-1.sav” 操作步骤 （1）单击“分析”|“比较均值”|“均值”命令 （2）将变量“成绩”放入“因变量列表”框；将变量“性别”放入“自变量列表”框 （3）单击“选项”，在弹出的对话框，选择需要的统计量，单击“继续”返回主对话框 （4）单击“确定”，输出结果; 提出原假设 选择检验统计量 计算检验统计量观测值和概率P值 给定显著性水平α，并做出决策;样本均数与总体均数比较的t检验实际上是推断该样本来自的总体均数μ与已知的某一总体均数μ0（常为理论值或标准值） 有无差别。 ;其中S为样本方差，利用统计量计算出t值，并根据t分布计算出相应的显著性概率 p=Sig.=P(|t||t值|) 若p值小于显著性水平α，拒绝原假设，认为μ与μ0有显著性差异；反之则反。;分析 ? 比较均值 ?单样本T检验 Test Variable(s)：concentration(检验变量) Test Value：20.00(检验值); 结果显示统计量t=3.056，P值=0.0120.05,所以认为用 该方法测量所得结果与标准浓度值有差异;当样本数n较小时，应用单样本t检验法的前提是总体服从正态分布。 当样本量较大时，只要数据不是强烈的偏态，单样本t检验都是适用的。 统计量：进行样本均数与总体均数比较的t检验时t值为样本均数与总体均数差值的绝对值除以标准误的商，其中标准误为标准差除以样本含量算术平方根的商。 ;1.3.1　方法原理 1.3.2　分析实例 1.3.3　适用条件与方差齐性检验 ;提出零假设 选择检验统计量 计算检验统计量观测值和概率P值 给定显著性水平α，并做出决策;设总体;利用统计量计算出t值，并根据t分布计算出相应的显著性概率 p=Sig.=P(|t||t值|) 若p值小于显著性水平α，拒绝原假设，认为μ1与μ2有显著性差异；反之则反。;例11.2 现希望评价两位老师的教学质量，试比较其分别任教的甲，乙两班（???甲，乙两班原来成绩相近，不存在差别）考试后的成绩是否存在差异？ 数据见1-2.sav 其中变量score为两班的考试成绩，分组变量class=1代表甲班，class=2代表乙班;分析?比较均值 ? 独立样本T检验 选入需要分析的变量。 分组变量（只能分成两组）。 定义需要相互比较的两组的分组变量值 。;两组需检验变量的基本情况描述。 ;?;;;两个小样本均数比较的t检验有以下应用条件： （1）两样本来自的总体均符合正态分布(正态性检验)。 （2）两样本来自的总体方差齐(方差齐性检验) 。 首先要进行方差是否差异检验，决定我们看哪一行的数据。 如果sig.框中的概率小于我们的检验水平a，那么认为两样本均值存在显著差异，假设不成立，反之，假设成立。;1.4.1　方法原理 1.4.2　分析实例 ;两配对样本的t检验是利用来自两个总体的配对样本，推断总体的两个均值是否显著差异。 和两独立样本的差别 描述配对样本的，即两个相关联的状态。 差别在于抽样不是独立的，而是关联的。 特征是样本数相同，前后观察值一一对应，不能随便更改。;该过程用于进行配对设计的差值均数与总体均数0比较的t检验，他的功能实际上是和One-Samples T Test过程相重复的（等价于已知总体均数为0的情况），但Paired-Samples T Test过程使用的数据输入格式和前者不同，因此仍然有存在的价值。 原假设：H0：u1-u2=0，其中u1为第一个总体均值，u2为第二个总体均值。 ;由于配对t检验的本质就是单样本t检验，因此其适用条件的考察也和单样本t检验近似 注意应当考察差值而不是原始数据。 下面以实例进行说明;例1.3 某地区随机抽取12名贫血儿童的家庭，实行健康教育干预三个月，干预前后儿童的血红蛋白（%）测量结果见“例1-3.sav”,试问干预前后该地区贫血儿童血红蛋白（%）平均水平有无变化？ ;数据格式 每条记录（一行）代表一对数据;步骤;;分别列出了两组变量的均值，标本量，标准差和标准误;配对t检验表，给出最终的检验结果. 由上表可见p=0.070.01，因此认为干预前后该地区贫血儿童血红蛋白（%）平均水平有变化 综合本案，可以认为该种干预措施可以增加该地区贫血儿童血红蛋白（%）平均水平。;Means过程：对准备比较的各组计算描述指标，进行预分析，也可直接比较。 单样本T检验过程：进行样本均数与已知总体均数的比较。