- 统计学教程
- 主页
- 调整后 R 方
- 方差分析
- 算术平均数
- 算术中位数
- 算术众数
- 算术极差
- 条形图
- 最佳点估计
- 贝塔分布
- 二项分布
- 布莱克-斯科尔斯模型
- 箱线图
- 中心极限定理
- 切比雪夫定理
- 卡方分布
- 卡方表
- 环状排列
- 整群抽样
- 科恩 Kappa 系数
- 组合
- 有放回组合
- 比较图表
- 连续均匀分布
- 连续数列算术平均数
- 连续数列算术中位数
- 连续数列算术众数
- 累积频率
- 变异系数
- 相关系数
- 累积图
- 累积泊松分布
- 数据收集
- 数据收集 - 问卷设计
- 数据收集 - 观察法
- 数据收集 - 案例研究法
- 数据模式
- 十分位数统计
- 离散数列算术平均数
- 离散数列算术中位数
- 离散数列算术众数
- 点图
- 指数分布
- F 分布
- F 检验表
- 阶乘
- 频数分布
- 伽马分布
- 几何平均数
- 几何概率分布
- 拟合优度
- 总平均数
- 古博分布
- 调和平均数
- 调和数
- 谐振频率
- 直方图
- 超几何分布
- 假设检验
- 个体数列算术平均数
- 个体数列算术中位数
- 个体数列算术众数
- 区间估计
- 逆伽马分布
- 柯尔莫哥洛夫-斯米尔诺夫检验
- 峰度
- 拉普拉斯分布
- 线性回归
- 对数伽马分布
- 逻辑回归
- 麦克尼马尔检验
- 平均偏差
- 均值差异
- 多项分布
- 负二项分布
- 正态分布
- 奇排列和偶排列
- 单比例 Z 检验
- 异常值函数
- 排列
- 有放回排列
- 饼图
- 泊松分布
- 合并方差 (r)
- 功效计算器
- 概率
- 概率加法定理
- 概率乘法定理
- 概率贝叶斯定理
- 概率密度函数
- 过程能力 (Cp) 和过程性能 (Pp)
- 过程 sigma
- 二次回归方程
- 定性数据与定量数据
- 四分位差
- 经验法则
- 瑞利分布
- 回归截距置信区间
- 相对标准偏差
- 信度系数
- 所需样本量
- 残差分析
- 残差平方和
- 均方根
- 样本规划
- 抽样方法
- 散点图
- 香农-维纳多样性指数
- 信噪比
- 简单随机抽样
- 偏度
- 标准差
- 标准误 (SE)
- 标准正态表
- 统计显著性
- 统计公式
- 统计符号
- 茎叶图
- 分层抽样
- 学生 t 检验
- 平方和
- t 分布表
- TI 83 指数回归
- 转换
- 截尾均值
- I 型和 II 型错误
- 方差
- 维恩图
- 大数弱定律
- Z 表
- 统计学有用资源
- 统计学 - 讨论
统计学 - 学生 t 检验
t 检验是小样本检验。它由威廉·戈塞特于 1908 年提出。他以“学生”的笔名发表了这项检验。因此,它被称为学生 t 检验。应用 t 检验时,需要计算 t 统计量的值。为此,使用以下公式:
公式
${t} = \frac{与总体参数的偏差}{样本统计量的标准误差}$
其中:
${t}$ = 假设检验。
关于总体的假设检验
公式
${t} ={\bar X - \frac{\mu}{S}.\sqrt{n}} , \\[7pt] \, 其中\ {S} = \sqrt{\frac{\sum{(X-\bar X)}^2}{n-1}}$
示例
问题陈述
从一个普通总体中不规则抽取的 9 个样本的平均值为 41.5 英寸,与该平均值的偏差平方和等于 72 英寸。判断总体平均值为 44.5 英寸的假设是否合理。(对于 ${v}={8},\ {t_.05}={2.776}$)
解答
${\bar x = 41.5}, {\mu = 44.5}, {n=9}, {\sum{(X-\bar X)}^2 = 72} $
我们假设总体平均值为 44.5。
$ i.e. {H_0: \mu = 44.5}\ and\ {H_1: \mu \ne 44.5} , \\[7pt] \ {S} = \sqrt{\frac{\sum{(X-\bar X)}^2}{n-1}}, \\[7pt] \ = \sqrt{\frac{72}{9-1}} = \sqrt{\frac{72}{8}} = \sqrt{9} = {3}$
应用 t 检验
$ {|t|} = {\bar X - \frac{\mu}{S}.\sqrt{n}} , \\[7pt] \ {|t|} = \frac{|41.5 - 44.5|}{3} \times \sqrt {9}, \\[7pt] \ = {3}$
自由度 = $ {v = n-1 = 9-1 = 8 }$. 对于 ${v = 8, t_{0.05}}$ 双尾检验 = ${2.306}$。由于计算出的 $|t|$ 值 > t 表值,我们拒绝零假设。我们得出结论,总体平均值不等于 44.5。