《假设检验t检验》课件.pptVIP

**************t检验的适用条件数据呈正态分布t检验要求数据符合正态分布，尤其是样本量较小时。方差齐性两组样本的总体方差应相等，若方差差异较大，则需要进行调整。独立样本各样本数据相互独立，没有关联性，例如不同的实验组。配对样本当样本数据存在配对关系时，例如同一组受试者在不同时间点的测量数据。t检验的数学原理t检验基于t分布，假设总体服从正态分布，但总体标准差未知，用样本标准差估计总体标准差。t分布的形状受样本量影响，样本量越大，t分布越接近标准正态分布。t检验通过计算t统计量，比较样本均值与假设总体均值之间的差异，判断原假设是否成立。t检验统计量的计算公式单样本t检验t=(x?-μ)/(s/√n)双样本t检验（等方差）t=(x?1-x?2)/(sp*√(1/n1+1/n2))双样本t检验（不等方差）t=(x?1-x?2)/√(s12/n1+s22/n2)t检验统计量是样本均值与总体均值或两样本均值之差与标准误之比，用于检验假设。单尾检验和双尾检验双尾检验检验假设的备择假设是总体参数不等于某个特定值。例如，检验平均身高是否不等于1.75米。左尾检验检验假设的备择假设是总体参数小于某个特定值。例如，检验平均身高是否小于1.75米。右尾检验检验假设的备择假设是总体参数大于某个特定值。例如，检验平均身高是否大于1.75米。假设检验的基本步骤1设定原假设和备择假设原假设是想要推翻的假设，备择假设是想要证明的假设。2选择合适的检验统计量根据数据类型和研究目的，选择合适的t检验类型。3确定显著性水平显著性水平α表示拒绝原假设的错误概率，通常设为0.05。4计算检验统计量根据样本数据计算检验统计量，并查阅t分布表或使用软件计算p值。5比较p值和显著性水平如果p值小于α，则拒绝原假设；否则不拒绝原假设。6得出结论根据检验结果得出结论，并解释其意义。显著性水平和p值显著性水平(α)显著性水平代表着拒绝原假设的风险阈值，通常设定为0.05，表示有5%的概率错误地拒绝了真原假设。p值p值代表着在原假设成立的情况下，观察到样本结果或更极端结果的概率，若p值小于显著性水平α，则拒绝原假设。关系显著性水平是预先设定的阈值，p值是通过样本数据计算得到的概率，两者共同决定着是否拒绝原假设。1种类型错误和2种类型错误1种类型错误也称为假阳性错误，指的是当原假设实际上为真时，我们拒绝了它。例如，当一个新药实际上没有效果时，我们错误地认为它有效果。2种类型错误也称为假阴性错误，指的是当原假设实际上为假时，我们未能拒绝它。例如，当一个新药实际上有效果时，我们错误地认为它没有效果。置信区间的计算置信区间是基于样本数据对总体参数进行估计的范围。它表示我们对总体参数的真实值有多大把握。置信区间的计算公式取决于所使用的统计方法和样本数据。例如，对于总体均值的置信区间，我们可以使用t分布来计算。置信区间的宽度取决于样本量、置信水平和样本数据的变异程度。样本量越大，置信区间越窄；置信水平越高，置信区间越宽；样本数据的变异程度越大，置信区间越宽。置信区间在假设检验中发挥重要作用。通过计算置信区间，我们可以判断样本数据是否支持原假设。如果总体参数的真实值不在置信区间内，则可以拒绝原假设。置信区间还可以帮助我们评估统计结论的可靠性。如果置信区间很窄，则说明我们对总体参数的估计比较准确。如果置信区间很宽，则说明我们对总体参数的估计比较不确定。t检验的应用场景1：总体均值假设检验t检验广泛应用于各种领域，如质量控制、市场研究和医疗保健，为决策提供数据支持。1确定总体均值的假设设定一个目标值作为预期均值2收集样本数据从总体中抽取一个随机样本3计算t统计量基于样本数据计算t统计量4确定p值根据t统计量和自由度计算p值5得出结论根据p值和显著性水平，接受或拒绝假设t检验有助于判断样本均值是否与总体均值的假设值存在显著差异。t检验的应用场景2：两总体均值差异检验两总体均值差异检验用于比较两个独立样本的均值是否显著不同。例如，我们可以使用t检验比较两种不同治疗方法的疗效，或者比较两个不同地区的销售额。1确定假设定义零假设和备择假设2选择检验确定合适的t检验类型3计算统计量计算t统计量4判断结果根据p值判断假设是否成立检验步骤包括确定假设、选择检验、计算统计量和判断结果。根据p值判断是否拒绝零假设，并得出结论。如果p值小于显著性水平，则拒绝零假设，表明两个总体均值存在显著差异。t检验的应用场景3：配对总体均值差异检验