T检验和卡方检验.pdfVIP

好久没有更新博客了，今天更新一篇关于数据分析方法的文章，主要是基于统计学 的假设检验的原理，无论是 T 检验还是卡方检验在现实的工作中都可以被用到，而 且结合 Excel 非常容易上手，基于这类统计学上的显著性检验能够让数据更有说服 力。还是保持一贯的原则，先上方法论再上应用实例，这篇文章主要介绍方法，之 后会有另外一篇文章来专门介绍实际的应用案例。 关于假设检验 假设检验 （Hypothesis Testing ），或者叫做显著性检验 （Significance Testing ） 是数理统计学中根据一定假设条件由样本推断总体的一种方法。其基本原理是先对 总体的特征作出某种假设，然后通过抽样研究的统计推理，对此假设应该被拒绝还 是接受作出推断。既然以假设为前提，那么在进行检验前需要提出相应的假设： H0 ：原假设或零假设（ null hypothesis ），即需要去验证的假设；一般首先认 定原假设是正确的，然后根据显著性水平选择是接受还是拒绝原假设。 H1 ：备择假设（ alternative hypothesis ），一般是原假设的否命题；当原假设 被拒绝时，默认接受备择假设。 如原假设是假设总体均值 μ＝ μ，则备择假设为总体均值 μ≠μ，检验的过程就 0 0 是计算相应的统计量和显著性概率，来验证原假设应该被接受还是拒绝。 T 检验 T 检验（ T Test ）是最常见的一种假设检验类型，主要验证总体均值间是否存 在显著性差异。 T 检验属于参数假设检验，所以它适用的范围是数值型的数据，在 网站分析中可以是访问数、独立访客数、停留时间等，电子商务的订单数、销售额 等。 T 检验还需要符合一个条件 —— 总体符合正态分布。 这里不介绍 t 统计量是怎么计算的， 基于 t 统计量的显著性概率是怎么查询的， 其实这些计算工具都可以帮我们完成，如果有兴趣可以查阅统计类书籍，里面都会 有相应的介绍。这里介绍的是用 Excel 的数据分析工具来实现 T 检验： Excel 默认并没有加载 “数据分析 ”工具，所以需要我们自己添加加载项，通过 文件 — 选项 — 加载项 — 勾选 “分析工具库 ”来完成添加， 之后就可以在 “数据 ”标签的最 右方找到数据分析这个按钮了，然后就可以开始做 T 检验了，这里以最常见的配对 样本 t 检验为例， 比较某个电子商务网站在改版前后订单数是否产生了显著性 差异， 以天为单位，抽样改版前后各 10 天的数据进行比较： 改版前订单数 改版后订单数 1 1032 1187 2 1178 1245 3 1098 1379 4 1045 1094 5 976 1173 6 1101 1364 7 1276 1119 8 1215 1268 9 987 1303 10 1065 1274 首先建立假设： H0 μ μ ： 1 ＝ 2 ，改版前后每天订单数均值相等； 1 2 H1 ： μ≠μ，改版前后每天订单数均值不相等。 将数据输入 Excel ，使用 Excel 的数据分析工具，选择 “t检验：平均值的成对 二样本分析 ”，输出检验结果： 看到右侧显示的结果是不是有点晕了，看上去有点专业，其实也并不难，只要 关注一个数值的大小 —— 单尾的 P 值，这里是 0.00565 ，如果需要验证在 95% 的置 信水平下的显著性，那么