第10讲-t检验.pptVIP

第11章　连续变量的统计推断(一)——t检验 　　11.1　t检验基础 　　11.2　样本均数与总体均数的比较 　　11.3　成组设计两样本均数的比较 　　11.4　配对设计样本均数的比较 　　11.5　本章小结 11.1　t检验基础 简而言之，t检验和u检验就是统计量为t,u的假设检验，两者均是常见的假设检验方法。 当样本含量n较大时，样本均数符合正态分布，故可用u检验进行分析。 当样本含量n小时，若观察值x符合正态分布，则用t检验（因为此时样本均数符合t分布）。 11.2　样本均数与总体均数的比较 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。 11.2　样本均数与总体均数的比较 11.2.1　分析实例 例11.1 某工厂用自动打包机打包，每包标准质量为100kg，为了保证生产的正常运行，每天开工后需要先行试机，检查打包机是否有系统偏差，以及时进行调整。某日开工后在试机中共打了9个包，测得9包的质量（Kg）为： 99.3 98.7 100.5 101.2 98.3 99.7 99.5 102.1 100.5 问打包机是否需要调整。数据见onesamplet.sav，其中weight为测量的重量 11.2.1　分析实例 Analyze ? Compare Means ?One-Samples T test Test Variable(s)：weight(检验变量) Test Value：100(检验值) 11.2.1　分析实例 表一计算了变量的有效样本数，平均值，标准差和均值标准误差。 数据的基本描述：均值为99.9778，标准差为1.21221，均值的标准差为0.40407。 11.2.1　分析实例 T检验统计量的值为-0.055，自由度为8，p值为0.957，置信区间为(-0.9540,0.9096); 可以看到palpha=0.05，接受H0，故我们认为打包机的平均包装重量与100kg没有显著性差异。 平均差（Mean Difference） μ-μ0=-0.02222，而且差95％的可信度认为均值差落入区间(-0.9540,0.9096)，也验证了这一点 11.2.2　单样本t检验中的其他问题 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。 应注意的是，当样本含量n较大时，可用u检验代替t检验。 11.3　成组设计两样本均数的比较 11.3.1　方法原理 11.3.2　分析实例 11.3.3　适用条件与方差齐性检验 11.3.1　方法原理 两样本的t检验是利用来自两个独立总体的样本数据，推断总体的两个均值是否显著差异； 例如； 根据储蓄数据，城乡一次存款额是否有显著差异； 根据保险公司数据，推断全国性保险公司和外资、合资保险公司人员构成是否显著差异； 这里，方法涉及两总体，采用t检验方法，同时要求两总体独立，因此称为独立两样本t检验。 应用此检验法的前提是两个总体服从正态分布。 11.3.1　方法原理 11.3.1　方法原理 11.3.1　方法原理 11.3.2　分析实例 例11.2 比较两位老师分别任教的甲、乙两班成绩是否存在差异？ 数据见ttest.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。 两个班级原来水平相近，两个老师又分别任教，可认为两个班级的成绩独立。 11.3.2　分析实例 Analyze?Compare Means ? Independent Samples T test Test Variable(s)：选入需要分析的变量。 Grouping Variable ：分组变量（只能分成两组）。 Define groups：定义需要相互比较的两组的分组变量值 。 Cut point 表示大于某个值成为一个总体，小于某个值成为一个总体 11.3.2　分析实例 11.3.2　分析实例 两组需检验变量的基本情况描述。 11.3.2　分析实例 11.3.2　分析实例 11.3.2　分析实例 11.3.2　分析实例 11.3.3　适用条件与方差齐性检验 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