第一节 单样本 t 检验(样本均数与总体均数的比较)
总体标准差 σ 未知且样本含量较小,要求样本来自正态分布总体。
常用于样本均数 μ 和已知总体均数 μ0 的比较。

然后还需要根据自由度 v 和 计算所得 t 值查 t 界值表 P 范围来得出结果
第二节 配对样本 t 检验(配对设计均数的比较)
单样本的特殊情况,配对设计是指同质受试对象配成对子,分别接受两种不同处理,或者同一受试对象接受两种不同处理。

简单理解就是把组内的差值当成单样本的样本均数 μ ,然后已知总体均数 μ0=0再按照单样本那样计算就可以,把这个公式简化后其实和单样本的差不多
第三节 两独立样本 t 检验(两独立样本均数 t 检验)
要求两样本均来自正态分布总体,且两样本总体方差相等;总体方差不相等的时候用 t' 检验。


t' 检验 (使用较多,因为大多是总体方差不等的情况)


Z 检验(对两大样本的均数进行比较,样本数目均大于50)
课本上没有相关介绍,就参考百度了 Z检验
正态性检验与方差齐性检验
1、正态性检验
- 直接作图( SPSS 或者 SAS 做P-P图)
-
统计检验
这里有一个比较好的解释,书上只给了公式没看懂
https://zhuanlan.zhihu.com/p/49456086
2、方差齐性检验
T检验要求样本符合正太分布,不然结果的意义是有问题的。所以需要先看看待分析数据是不是个正态。如果不是,就需要换算法,比如基于秩的各种检验。
这里引入了 F 统计量检验
感觉还是直接看例子会理解的比较好一些

这里碰到了这个问题,在知乎上找到了答案
统计学的T检验 F检验 和T分布 F分布是一个概念吗,怎么理解呢? - 岳席文的回答 - 知乎
https://www.zhihu.com/question/60321751/answer/252079753
网友评论