T检验法【精选文档】.docVIP

T检验法

T检验，亦称studentt检验（Studentsttest），主要用于样本含量较小（例如n30），总体标准差σ未知的HYPERLINK”http：///wiki/正态分布”正态分布资料.

T检验是用于小样本（HYPERLINK”http：///wiki/样本容量”样本容量小于30）的两个平均值差异程度的检验方法.它是用T分布理论来推断差异发生的概率，从而判定两个平均数的差异是否显著。

T检验是HYPERLINK”/w/index。php？title=戈斯特action=edit戈斯特为了观测酿酒质量而发明的。戈斯特在位于都柏林的健力士酿酒厂担任统计学家.戈特特于1908年在Biometrika上公布T检验，但因其老板认为其为HYPERLINK”/wiki/商业机密”商业机密而被迫使用笔名（学生)。

T检验的适用条件：正态分布资料

单个样本的t检验

目的：比较样本均数所代表的未知总体均数μ和已知总体均数μ0.

计算公式:

t统计量:

自由度：v=n—1

适用条件：

(1）已知一个总体均数；

（2）可得到一个样本均数及该样本标准误;

(3）样本来自正态或近似正态总体。

[HYPERLINK”http：///w/index。php？title=T检验＆action=edit＆section=3”编辑]

单个样本的t检验实例分析HYPERLINK”/wiki/T—检验法＃_note-0”[1］

例1难产儿出生体重

一般婴儿出生体重μ0=3.30（大规模调查获得），问相同否？

解：1。建立假设、确定检验水准α

H0：μ=μ0(难产儿与一般婴儿出生体重的总均数相等；H0无效假设，nullhypothesis）

（难产儿与一般婴儿出生体重的总均数不等；H1备择假设,alternativehypothesis,）

双侧检验，检验水准:α=0。05

2。计算检验统计量

3。查相应界值表,确定P值,下结论

查附表1：t0。05/2.34=2。032，t=1。77，t〈t0.05/2。34，P0。05，按α=0。05水准，不拒绝H0，两者的差别无统计学意义,尚不能认为难产儿平均出生体重与一般婴儿的出生体重不同

［/wiki/统计量统计量：

自由度：v=对子数—1

适用条件:配对资料

［HYPERLINK”/w/index。php？title=T检验action=editsection=5编辑]

T检验的步骤［2］

1、建立虚无假设H0：μ1=μ2，即先假定两个总体平均数之间没有显著差异;

2、计算统计量t值，对于不同类型的问题选用不同的编辑]

T检验举例说明

例如，T检验可用于比较药物治疗组与安慰剂治疗组病人的测量差别。理论上,即使样本量很小时,也可以进行T检验。（如样本量为10，一些学者声称甚至更小的样本也行），只要每组中变量呈正态分布,两组方差不会明显不同。如上所述,可以通过观察数据的分布或进行正态性检验估计数据的正态假设。方差齐性的假设可进行F检验，或进行更有效的Levenes检验。如果不满足这些条件，只好使用非参数检验代替T检验进行两组间均值的比较。

T检验中的P值是接受两均值存在差异这个假设可能犯错的概率。在HYPERLINK”/wiki/统计学统计学上，当两组观察对象总体中的确不存在差别时,这个概率与我们拒绝了该假设有关。一些学者认为如果差异具有特定的方向性，我们只要考虑单侧方差的比较，见下图:

这些图示能够很快地估计并且直观地表现出分组变量与因变量关联的强度。

3、多组间的比较

科研实践中，经常需要进行两组以上比较，或含有多个自变量并控制各个自变量单独效应后的各组间的比较，（如性别、药物类型与剂量），此时，需要用方差分析进行编辑］

T检验注意事项

要有严密的抽样设计随机、均衡、可比

选用的检验方法必须符合其适用条件（注意:t检验的前提是资料服从正态分布）

单侧检验和双侧检验

单侧检验的界值小于双侧检验的界值，因此更容易拒绝，犯第Ⅰ错误的可能性大。

/wiki/假设检验”假设检验可以给出H0成立与否的概率