T检验的适应条件与分析过程1.pptVIP

* 第四章 T检验的适应条件与分析过程 一、推断性统计分析的基本逻辑 1. 随机事件 所谓随机事件，就是事件的发生具有不确定性，或者说其发生服从于完全的机遇机制。比如，一般的测量中，每一次的测量值都是难以确定的，因为其变化具有随机性；从一个总体中抽出一个人来，其智商分数是多少，也是难以事先确定的 ，因为抽到的这个人本身就具有随机性。随机性也叫偶然性，然而偶然之中定有必然性，比如测量误差的大小具有随机性，但也有必然性，即随机性测量误差总体上等于 0 ，各种不同的误差值发生的频数分布为正态分布。 描述随机事件的有效方法就是概率和概率分布。比如，对于一个大的总体来说，我们可能无法测定每一个体的智商，但即使如此，也可以根据其正态分布预测各种智商分数发生的概率。根据正态分布规律，我们知道平均数及其附近的值发生概率高，远离平均数的值发生概率较低，当其与平均数的距离达到 1.96个标准差以上时，其发生概率小于 5％，即 P0.05，我们就称之为小概率事件。 所谓小概率事件，就是发生概率很小的事件，通俗地讲，就是“不大可能”发生的事件。心理学研究中，通常以发生概率小于0.05或0.01为标准来界定小概率事件。 2. 推断性统计分析的逻辑基础是抽样和抽样误差 研究一个总体，不可能对总体作完全的测量，只能采取抽样测量的方法，但样本测量的结果与总体相比总会出现偏差。我们虽然无法预见或确定每一样本所出现的偏差的大小，但却可以知道偏差越大，发生的概率越小。偏离程度达到一定值时，该样本就成为一种小概率事件了。 当我们对一样本进行测量，得到其平均数、标准误 ，那么如何判断该样本是否能代表某一总体的水平呢？面临这一问题，我们可以先作出一个假设：假设这一样本就是来自于相应总体的一个无偏样本，那就按抽样误差的分布规律来评估其发生概率，如样本测量的平均值与总体平均值相比 ，差距较大 ，以至于发生的概率(也叫做伴随概率) 小于0.05，它就成了“小概率事件”，意味着这一推断的前提成立的可能性不大，也是一个小概率事件。结论就是：该样本来自于这一总体的可能性很小 ，它不能代表这一总体，或者就说：它与这一总体的差异显著。 3. 两个样本平均数差异性检验的逻辑 从一个总体中随机抽取 n 个个体组成样本，则有许多种可能的抽取结果，因此可以得到许多个样本平均数，样本平均数的大小变化又是一个随机事件，两个样本平均数的差异量也是一个随机事件。样本平均数差异量的分布中心为0，然后，差异量越大，越远离0差异，其发生的概率就越小。当差异量达到一定值时，它就也是一个小概率事件了。 当要检验两个样本测量得到的平均数是否存在显著差异时，可以先假定它们是来自于同一总体，应该能代表同一总体，然后以此为前提考察这两个样本平均数差异量发生的概率。如果差异量足够大，其发生概率小于0.05，我们就说其是小概率事件，成为“可能性很小” 的事件，这就意味着假设前提成为 “可能性很小”的，即二者来自于同一总体的 “可能性很小” ，进而推断 ：这两个样本很可能来自于两个不同总体，分别代表两个不同的总体 ，存在显著性差异。否则 ，就不能说假设前提是“可能性很小”的，也就不能说两个样本有显著性差异了。 二、 t值和t值分布 统计学家长期的研究发现，从正态分布的总体中抽取样本时，样本平均数的分布也是一个正态分布，样本平均数的差异量的分布也是正态分布，其分布特征可以用Z分数来描述。但是，在实际计算标准分数时，需要首先知道总体的标准差，然后计算抽样分布的标准误。如果总体标准差未知，也就只能使用样本标准差作为它的估计值了，以这一估计值计算的标准误就是一个波动值了。这时，计算的“标准分数”就不再标准了，因此不能使用Z分数来描述其分布特征，而是要用t分数来描述其分布特征。 t 分布是一个均值为零左右对称的丘形分布，其峰度低于标准正态分布，尾部高于标准正态分布，而且T 分布的峰度变化与自由度有关。自由度越大其分布越接近于正态分布，所以在大样本检验中可以使用Z检验代替t检验。 根据统计学研究，样本平均数与总体平均数的差异值符合自由度为某一确定值的T分布，自由度的确定则与样本容量有关 ；两个样本平均数的差异值也符合自由度为某一确定值的T分布 ，自由度的确定则与两个样本的容量及样本的相关关系有关。 我们可以将t分布与Z分布进行对照。 三、不同条件下的t值及t分布自由度的计算 1.样本与总体的差异性比较 示例1：某一20人的样本，其身高平均为1.35米，标准差为0.26米，试问该样本是来自于平均身高为1.50米的总体吗？ 或者：给