第三章 均质比较与T检验.pptVIP

第三章 均值比较与T-检验 3.1均值比较与均值比较的检验过程 总体的数量水平有没有变化？即总体的均值是否相同？例如，假定以往的铁水含碳量平均水平是4.55 单位，现在生产条件有了一些变化，含碳量的平均水平有没有改变呢？又如，为了鉴定两种操作方法对产品抗折强度影响是否有显著差异，通过样本抗折强度均值水平比较来作出结论等。这就需要统计分析作出检验和判断。统计上对均值差异显著性检验的方法很多，较为常见的有T 检验，U 检验。 T 检验是检验差异显著性的十分重要的统计工具，这种差异显著性的检验是样本均值间的比较，因此T 检验也可以称为一种均值比较分析。它包括：单样本T 检验、独立样本T 检验、配对样本T 检验。 3.1均值比较与均值比较的检验过程 均值比较的概念统计分析常常采取抽样研究的方法。即从总体中随机抽取一定数量的样本进行研究来推论总体的特性。 由于总体中的每个个体间均存在差异，即使严格遵守随机抽样原则也会由于多抽到一些数值较大或较小的个体致使样本统计量与总体参数之间有所不同。又由于实验者测量技术的差别或测量仪器精确程度的差别等等也会造成一定的偏差，使样本统计量与总体参数之间存在差异。 由此可以得出这样的认识：均值不相等的两个样本不一定来自均值不同的总体。 3.1均值比较与均值比较的检验过程 能否用样本均数估计总体均数，两个变量均数接近的样本是否来自均值相同的总体？ 两个样本某变量均值不同，其差异是否具有统计意义，能否说明总体差异？这是各种研究工作中经常提出的问题。这就要进行均值比较。 对来自正态总体的两个样本进行均值比较常使用T 检验的方法。T 检验要求两个被比较的样体来自正态总体。 3.1均值比较与均值比较的检验过程 U 检验是用服从正态分布的检验量去检验总体均值差异情况的方法。在这种情况下总体方差通常是已知的。 虽然t 检验法与u 检验法所解决的问题大体相同，但在小样本且均方差未知的情况下就不能用u 检验法了。 为了正确地进行检验，需要正确回答以下三个问题：（1）数据的样本是一个还是两个？如果是两个样本，那么各项数据是否都取自同一来源？如果是，这两个样本就不是独立样本。这样的样本成为成对样本。（2）样本差是否已知，或者必须由估计求得？（3）样本是否是大容量的？一般以样本观测值数≥30 作为大样本。应该采用的统计量类型已列于下表中，该表也说明了不同检验量应用的范围。 3.1均值比较与均值比较的检验过程 3.2 均值比较及检验过程 SPSS for Windows 提供了以下计算变量的描述统计量的过程和对均值进行检验的过程，它们是Means 过程、One-Sample T test (单样本T 检验过程)、Independent Samples T test (独立样本T 检验过程)、Paned -Samples T test (配对样本T 检验过程)和One –way anova (一元方差分析过程 ) 3.2 均值比较及检验过程 MEANS 过程MEANS 过程计算指定变量的综合描述统计量。当观测量按一个分类变量分组时，MEANS 过程可以进行分组计算。 T test T 检验过程 ( l ) One -Sample T test 单样本T 检验过程检验单个变量的均值是否与给定的常数之间存在差异。样本均数与总体均数之间的差异显著性检验属于单一样本T 检验。 ( 2 ) Independent -Samples T test 独立样本T 检验过程独立样本的T 检验用于检验是否两个相关的样本来自具有相同均值的总体。例如，想知道购买你的产品的顾客与不购买你的产品的顾客平均收入是否相同，可以合用对独立样本进行T 检验的功能。必须注意使用这种检验的条件是必须具有来自两个不相关组的观测量，其均值必须是对你想在两组中都计算的变量的综合测度。如果分组样本彼此不独立，例如测度的是工人在技术培训前后某项技能的成绩，要求比较培训前后均值是否有显著性差异，应该使用配对T 检验的功能。如果分组不止两个，应该使用一元方差分析过程进行单变量方差分析。如果你试图比较的变量明显不是正态分布的，则应该考虑使用一种非参数检验过程。如果想比较的变量是分类变量，应该使用Crosstabs 功能。 3.2 均值比较及检验过程 ( 3 ) Paired-Samples T test 配对样本T 检验过程 配对T 检验（Paired Sample T test ）用于检验两个相关的样本是否来自具有相同均值的总体。这种相关的或配对的样本常常来自这样的实验结果。在实验中，被观测对象在实验前后均被观测。 例如想要知道技术培训以后是否提高了工作效率。可以在这个研究中在培训前后完成一道工序的时间。在构成数据文件时一个工人培