$t$ 检验1

此处输入图片的描述

  • 单一样本t检验,检验单个变量的均值是否与给定的常数之间存在差异。即样本均值与总体均值相等的假设。
  • 两个独立样本的t检验用于检验两个不相关的样本来自具有相同均值的总体。
  • 配对样本t检验(Paired Sample T test)用于检验两个相关的样本是否来自具有相同均值的总体。

$t$ 检验要求两个被比较的样本来自正态总体,如果试图比较的变量明显不服从正态分布,则应该考虑使用非参数检验(Nonparametric test)。


单个样本的 $t$ 检验

单样本均数 t 检验(one sample t test),用样本均数代表的未知总体均数和已知总体均数进行比较,来观察此组样本与总体的差异性。

应用条件:总体标准差 $\sigma$ 未知的小样本( 如 $n<50$ ),且服从正态分布。

在 $H_0:\mu = \mu_0$ 的假定下,可以认为样本是从已知总体中抽取的,根据t分布的原理,单个样本t检验的公式为:

此处输入图片的描述


配对双体检验

配对双体检验,又称非独立两样本均数 t 检验,其假设两组样本之间的差值服从正态分布。如果该正态分布的期望为零,则说明这两组样本不存在显著差异。

适用于 配对设计 计量资料均数的比较,用于检验两个相关的 样本是否来自具有相同均值的总体。配对设计方法观察以下几种情形:两个同质受试对象分别接受两种不同的处理;同一受试对象接受两种不同的处理;同一受试对象处理前后(self-contrast)。

该检验可理解为差值样本均数与已知总体均数 $\mu_d(\mu_d = 0)$ 比较的单样本 t 检验,其检验统计量为:


非配对双体检验

非配对双体检验,又称为两独立样本 t 检验(成组 t 检验),其假设两组样本是从不同的正态分布($\mathcal{N}(\mu_1,\sigma_1^2)$,$\mathcal{N}(\mu_2,\sigma_2^2)$)采样出来的。根据两个正态分布的标准差是否相等,非配对双体检验又可以分两类。

  • 两总体方差 $\sigma_1^2,\sigma_2^2$ 相等(F 检验),即方差齐性(homogeneity of variance):

F检验又叫方差齐性检验,用于检验两组服从正态分布的样本是否具有相同的总体方差,即方差齐性。

此处输入图片的描述

  • 两总体方差不等,即方差不齐,可采用 $t^{\prime}$ 检验,或进行变量变换,或用 秩和检验 方法处理。

举个栗子2

假设一组服从正态分布的数据样本,

我们想知道检验样本均数所代表的总体均数 $\mu$ 是否与已知总体均数 $\mu_0$ 有差别,利用 t 检验:


步骤1: 建立检验假设,限定显著性水平.

这里我们限定显著性水平为 $\alpha = 0.05$.

步骤2: 计算检验统计量.

在 $\mu = \mu_0$ 成立的前提条件下,计算统计量为:

步骤3: 确定P值,做出推断结论.

本例自由度 $\nu = n-1=5$ (6份数据),显著性水平为 $\alpha = 0.05$ ,查表 $t_{0.05/2,5} = 2.571$. 因为 $t<t_{0.05/2,5}$,故 $P>0.05$,按照 $\alpha=0.05$ 不拒绝零假设 $H_0$ ($\mu_0=1.1$ 成立).

此处输入图片的描述


总结

若是单组设计,必须给出一个标准值或总体均值,同时,提供一组定量的观测结果,应用 t 检验的前提条件就是该组资料必须服从正态分布;若是配对设计,每对数据的差值必须服从正态分布;若是成组设计,个体之间相互独立,两组资料均取自正态分布的总体,并满足方差齐性。之所以需要这些前提条件,是因为必须在这样的前提下所计算出的 t 统计量才服从 t 分布,而 t 检验正是以 t 分布作为其理论依据的检验方法。