首页 >
学生it检验
✍ dations ◷ 2025-06-26 01:27:00 #学生<i>t</i>检验
学生t检验(英语:Student's t-test)是指虚无假设成立时的任一检定统计有学生t-分布的统计假说检定,属于母数统计。学生t检验常作为检验一群来自正态分配总体的独立样本之期望值的是否为某一实数,或是二(两)群来自正态分配总体的独立样本之期望值的差是否为某一实数。举个简单的例子,也就是说我们可以在抓取一个班级的男生,去比较该班与全校男生之身高差异程度是不是推测的那样,或是不同年级班上的男生身高的差异的场合是否一如预期使用此检验法。学生t检验是威廉·戈塞为了观测酿酒品质于1908年所提出的,“学生”则是他的笔名。
基于克劳德·健力士(Claude Guinness)聘用从牛津大学和剑桥大学出来的最好的毕业生,以将生物化学及统计学应用到健力士工业流程的创新政策,戈斯特受雇于都柏林的健力士酿酒厂担任统计学家。戈斯特提出了t检验以降低啤酒质量监控的成本。戈斯特于1908年在《Biometrika》期刊上公布t检验,但因其老板认为其为商业机密而被迫使用笔名,统计学论文内容也跟酿酒无关。实际上,其他统计学家是知道戈斯特真实身份的。今日,它更常被应用于小样本判断的置信度。最常用t检验的情况有:大多数的t检定之统计量具有t = Z/k的形式,其中Z与k是已知资料的函数。Z通常被设计成对于对立假说有关的形式,而k是一个尺度参数使t服从于t分布。以单样本t检验为例,
Z
=
X
¯
/
(
σ
/
n
)
{displaystyle Z={bar {X}}/(sigma /{sqrt {n}})}
,其中
X
¯
{displaystyle {bar {X}}}
为样本平均数,
n
{displaystyle n}
为样本数,
σ
{displaystyle sigma }
为总体标准差。至于k在单样本t检验中为
σ
^
/
σ
{displaystyle {hat {sigma }}/sigma }
,其中
σ
^
{displaystyle {hat {sigma }}}
为样本的标准偏差。在符合零假说的条件下,t检定有以下前提:检验零假说为一群来自正态分配独立样本xi之总体期望值μ为μ0可利用以下统计量其中
i
=
1
…
n
{displaystyle i=1ldots n}
,
x
¯
=
∑
i
=
1
n
x
i
n
{displaystyle {overline {x}}={frac {sum _{i=1}^{n}x_{i}}{n}}}
为样本平均数,
s
=
∑
i
=
1
n
(
x
i
−
x
¯
)
2
n
−
1
{displaystyle s={sqrt {frac {sum _{i=1}^{n}(x_{i}-{overline {x}})^{2}}{n-1}}}}
为样本标准偏差,n为样本数。该统计量t在零假说:μ = μ0为真的条件下服从自由度为n − 1的t分布。配对样本t检验可视为单样本t检验的扩展,不过检验的对象由一群来自正态分配独立样本更改为二群配对样本之观测值之差。若二群配对样本x1i与x2i之差为di = x1i − x2i独立且来自正态分配,则di之总体期望值μ是否为μ0可利用以下统计量其中
i
=
1
…
n
{displaystyle i=1ldots n}
,
d
¯
=
∑
i
=
1
n
d
i
n
{displaystyle {overline {d}}={frac {sum _{i=1}^{n}d_{i}}{n}}}
为配对样本差值之平均数,
s
d
=
∑
i
=
1
n
(
d
i
−
d
¯
)
2
n
−
1
{displaystyle s_{d}={sqrt {frac {sum _{i=1}^{n}(d_{i}-{overline {d}})^{2}}{n-1}}}}
为配对样本差值之标准偏差,n为配对样本数。该统计量t在零假说:μ = μ0为真的条件下服从自由度为n − 1的t分布。若二群独立样本x1i与x2i具有相同之样本数n,并且彼此独立及来自二个方差相等的正态分配,则二群总体之期望值差μ1 - μ2是否为μ0可利用以下统计量其中
i
=
1
…
n
{displaystyle i=1ldots n}
,
x
¯
1
=
(
∑
i
=
1
n
x
1
i
)
/
n
{displaystyle {overline {x}}_{1}=(sum _{i=1}^{n}x_{1i})/n}
及
x
¯
2
=
(
∑
i
=
1
n
x
2
i
)
/
n
{displaystyle {overline {x}}_{2}=(sum _{i=1}^{n}x_{2i})/n}
为二群样本各自的平均数,
s
p
2
=
(
∑
i
=
1
n
(
x
1
i
−
x
¯
1
)
2
+
∑
i
=
1
n
(
x
2
i
−
x
¯
2
)
2
)
/
(
2
n
−
2
)
{displaystyle s_{p}^{2}=(sum _{i=1}^{n}(x_{1i}-{overline {x}}_{1})^{2}+sum _{i=1}^{n}(x_{2i}-{overline {x}}_{2})^{2})/(2n-2)}
为样本之共同方差。该统计量t在零假说:μ1 - μ2 = μ0为真的条件下服从自由度为2n − 2的t分布。若二群独立样本x1i与x2j具有不相同之样本数n1与n2,并且彼此独立及来自二个方差相等的正态分配,则二群总体之期望值之差μ1 - μ2是否为μ0可利用以下统计量其中
i
=
1
…
n
1
{displaystyle i=1ldots n_{1}}
,其中
j
=
1
…
n
2
{displaystyle j=1ldots n_{2}}
,
x
¯
1
=
(
∑
i
=
1
n
x
1
i
)
/
n
{displaystyle {overline {x}}_{1}=(sum _{i=1}^{n}x_{1i})/n}
及
x
¯
2
=
(
∑
i
=
1
n
x
2
i
)
/
n
{displaystyle {overline {x}}_{2}=(sum _{i=1}^{n}x_{2i})/n}
为二群样本各自的平均数,
s
p
2
=
(
∑
i
=
1
n
(
x
1
i
−
x
¯
1
)
2
+
∑
j
=
1
n
(
x
2
j
−
x
¯
2
)
2
)
/
(
n
1
+
n
2
−
2
)
{displaystyle s_{p}^{2}=(sum _{i=1}^{n}(x_{1i}-{overline {x}}_{1})^{2}+sum _{j=1}^{n}(x_{2j}-{overline {x}}_{2})^{2})/(n_{1}+n_{2}-2)}
为二群样本共同之方差。该统计量t在零假说:μ1 - μ2 = μ0为真的条件下服从自由度为n1 + n2 − 2的t分布。若二群独立样本x1i与x2j具有相等或不相同之样本数n1与n2,并且彼此独立及来自二个方差不相等的正态分配,则二群总体之期望值之差μ1 - μ2是否为μ0可利用以下统计量其中
i
=
1
…
n
1
{displaystyle i=1ldots n_{1}}
,其中
j
=
1
…
n
2
{displaystyle j=1ldots n_{2}}
,
x
¯
1
=
(
∑
i
=
1
n
1
x
1
i
)
/
n
1
{displaystyle {overline {x}}_{1}=(sum _{i=1}^{n_{1}}x_{1i})/n_{1}}
及
x
¯
2
=
(
∑
j
=
1
n
2
x
2
j
)
/
n
{displaystyle {overline {x}}_{2}=(sum _{j=1}^{n_{2}}x_{2j})/n}
为二群样本各自的平均数,
s
1
2
=
(
∑
i
=
1
n
(
x
1
i
−
x
¯
1
)
2
)
/
(
n
1
−
1
)
{displaystyle s_{1}^{2}=(sum _{i=1}^{n}(x_{1i}-{overline {x}}_{1})^{2})/(n_{1}-1)}
及
s
2
2
=
(
∑
j
=
1
n
(
x
2
j
−
x
¯
2
)
2
)
/
(
n
2
−
1
)
{displaystyle s_{2}^{2}=(sum _{j=1}^{n}(x_{2j}-{overline {x}}_{2})^{2})/(n_{2}-1)}
分别为二群样本之方差。该统计量t在零假说:μ1 - μ2 = μ0为真的条件下服从自由度为之t分布。这种方法又常称为Welch检验。在简单线性回归的模型其中xi,i = 1, ..., n为已知,α与β为未知系数,εi为残差独立且服从期望值0且方差σ2未知的正态分布,yi,i = 1, ..., n为观测值。我们可以检验回归系数(在此例即为回归式之斜率)β是否相等于特定的β0(通常使β0 = 0以检验xi对yi是否有关联)。令
α
^
{displaystyle {widehat {alpha }}}
与
β
^
{displaystyle {widehat {beta }}}
为最小二乘法之估计值,
S
E
α
^
{displaystyle SE_{widehat {alpha }}}
与
S
E
β
^
{displaystyle SE_{widehat {beta }}}
为最小二乘法估计值之标准误差,则在零假设为β = β0的情况下服从自由度为n − 2之t分布,其中由于
ε
^
i
=
y
i
−
y
^
i
=
y
i
−
(
α
^
+
β
^
x
i
)
{displaystyle {widehat {varepsilon }}_{i}=y_{i}-{widehat {y}}_{i}=y_{i}-({widehat {alpha }}+{widehat {beta }}x_{i})}
为残差(即估计误差),而
SSR
=
∑
i
=
1
n
ε
^
i
2
{displaystyle {text{SSR}}=sum _{i=1}^{n}{widehat {varepsilon }}_{i}^{;2}}
为残差之离均平方和,我们可改写t为另请参阅:方差齐性检验(F检验)大多数的试算表软件及统计软件,诸如QtiPlot、OpenOffice.org Calc、LibreOffice Calc、Microsoft Excel、SAS、SPSS、Stata、DAP、gretl、R、Python ()、PSPP、Minitab等,都可以进行t检验之运算。
相关
- 高胆红素血症胆红素(英文:Bilirubin)是胆色素的一种,是人类胆汁的主要色素,呈橙黄色。它是体内血红素的主要代谢产物,有毒性,可对大脑和神经系统引起不可逆的损害,但也有抗氧化剂功能,可以抑制亚
- 道兰氏医学词典多兰(Dorland's)是一个在不同媒体上(包括印刷书籍,光碟和线上内容)的家庭医学参考著作(包括字典,拼写和拼写检查软件)的品牌名称。其旗下产品为《多兰医学插图词典》(目前出版至第
- 神经毒性神经毒素是以神经系统为靶系统的毒性物质,其主要特征是干扰神经系统功能,产生相应的中毒体征和症状,严重时可致命。神经性毒剂一般指人工合成的神经毒物,大多数为有机磷化合物,与
- 二磷酸腺苷二磷酸腺苷(英语:adenosine diphosphate,缩写:ADP)是一种核苷酸。它是在代谢中重要的有机化合物,并是在活细胞中的能量流动是至关重要的。一个ADP分子包括三个重要的结构组件:一个
- 硫唑嘌呤硫唑嘌呤(Azathioprine)是嘌呤类似物的免疫抑制剂。它可以用于预防器官移植的排斥,还有一系列的自体免疫性疾病,包括类风湿性关节炎、天疱疮、发炎性肠病,像是克隆氏症和溃疡性结
- 硅酸硅酸是一类具有n通式的化合物,可以由可溶性硅酸盐与酸反应制取。简单的硅酸如偏硅酸H2SiO3、二硅酸H2Si2O5和原硅酸H4SiO4等已经在稀溶液中检测出;偏硅酸只能在0℃左右存在,室
- 冠心症冠状动脉疾病(英语:coronary artery disease, CAD)又称为缺血性心脏病或简称冠心病(英语:ischemic heart disease, IHD)、冠状动脉粥状硬化心脏病、冠状动脉粥状硬化心血管疾病(英
- 磷酸酯磷酸酯又称正磷酸酯(以与亚磷酸酯相区别),是磷酸的酯衍生物,属于磷酸衍生物的一类。磷酸为三元酸,因此根据取代烃基数的不同,又可将磷酸酯分为伯磷酸酯(磷酸一酯、烃基磷酸)、仲磷酸
- 高钙血症高血钙(Hypercalcaemia)是指血液中的钙离子(Ca2+)过高的疾病。人体一般血钙浓度在2.1–2.6 mmol/L (8.8–10.7 mg/dL, 4.3–5.2 mEq/L),若浓度高于2.6 mmol/L,就是高血钙。轻度高
- 碳酸氢钠96 g/L (20 °C) 165 g/L (60 °C) 236 g/L (100 °C)碳酸氢钠(sodium bicarbonate、IUPAC名: sodium hydrogen carbonate、baking soda)是一种无机化合物,化学式为NaHCO3,俗称