目录
- T检验
- T检验假设
T检验通常用于统计和计量经济学中，以证明两个结果或变量的值彼此不同。 例如，如果您想知道400磅以上的人与400磅以下的人吃的馅饼的数量在统计上是否显着不同。
进行t检验时，通常的假设包括有关测量规模，随机抽样，数据分布的正态性，样本量是否足够以及标准偏差方差相等的假设。
重要要点
- t检验是一种统计方法，用于根据数据样本确定两组均值之间是否存在显着差异，该检验依赖于一组假设才能对其进行正确且有效的解释。 ，则必须从目标人群中随机抽取数据，并且数据变量遵循正态分布。
T检验
t检验是由吉尼斯啤酒公司的一名化学家开发的，它是一种测量粗壮啤酒质量的简单方法。 它得到了进一步的发展和调整，现在是指对统计假设的任何检验，其中如果支持原假设，则所要测试的统计量预计应与t分布相对应。
T检验是通过统计检验对两个总体均值的分析； 带有两个样本的t检验通常用于小样本量，当两个正态分布的方差未知时，测试样本之间的差异。
T分布基本上是任何连续的概率分布，它是由使用较小的样本量和未知总体偏差来估计正态分布总体的平均值得出的。 零假设是默认假设，即两个不同的测量现象之间不存在任何关系。 （有关阅读，请参阅： 强零假设是什么意思？ ）
T检验假设
- 关于t检验的第一个假设与测量规模有关。 t检验的假设是，对收集到的数据应用的测量规模遵循连续或有序的规模，例如IQ检验的得分。第二个假设是简单随机样本的数据从总人口中有代表性的随机选择部分收集数据。第三个假设是数据绘制后得出正态分布的钟形分布曲线。 当采用正态分布时，可以指定概率级别（alpha级别，重要性级别 p ）作为接受标准。 在大多数情况下，可以假定为5％。第四个假设是使用了相当大的样本量。 较大的样本量意味着结果的分布应接近正钟形曲线。最后的假设是方差的均质性。 当样本的标准偏差近似相等时，存在同质或相等的方差。
