两个独立样品的T检验

更多关于这件事 T检验两种方式 因此,您可以更好地解释上面提出的输出：两个手段的T检验,具有未知的人口差异,两个独立的样本是一个假设试验,试图对人口索赔（\(\mu_1\)和\(\mu_2\)）进行索赔。

更具体地说,T-Test使用样本信息来评估它对于群体的合理方式意味着\(\mu_1\)和\(\mu_2\)等于。该测试具有两个非重叠假设,无效和替代假设。

零假设是关于群体手段的陈述,特别是假设无效,并且替代假设是互补假设的互补假设。

两个样本T检验的性质

两个人口的两个样品T检验的主要特性是：

• 根据我们对“无效”情况的了解,T检验可以是双尾,左尾或右尾


• 假设检测的主要原理是,如果在假设的假设下获得的测试统计量是足够不太可能的测试统计,则拒绝零假设 是真的


• p值是将样品导出的概率作为极端或更极端,而不是获得的样本结果,假设零假设是真实的


• 在假设测试中,存在两种错误。当我们拒绝真正的NULL假设时,会发生I错误,并且当我们无法拒绝错误的空假设时发生II型错误

您如何计算两个独立样本的T测试T统计？

用于两种群体的T型统计的公式（具有两个独立的样本）,具有未知的人口差异,向我们展示了如何计算具有平均值和标准偏差的T检验,并且它取决于人口方差是否被认为是相等的。如果假定人口差异是不平等的,则公式是：

\[t = \frac{\bar X_1 - \bar X_2}{\sqrt{ \frac{s_1^2}{n_1} + \frac{s_2^2}{n_2} }}\]

另一方面,如果假设人口差异是相等的,则公式是：

\[t = \frac{\bar X_1 - \bar X_2}{\sqrt{ \frac{(n_1-1)s_1^2 + (n_2-1)s_2^2}{n_1+n_2-2}(\frac{1}{n_1}+\frac{1}{n_2}) } }\]

通常,知道必须假设人口差异是否相等或不平等的方式是通过使用F-Test进行差异的平等。

通过上述T统计,我们可以计算相应的p值,这使我们能够评估两种手段之间是否存在统计上显着的差异。

为什么它被称为独立样本的T检验？

这是因为样品彼此不相关,以一种样本与其他样品无关的方式。如果样本相关（例如,您正在比较丈夫和妻子的答案,或相同的双胞胎）,你应该使用 代替制品的t检验 。

如果人口标准偏差是众所周知的？

当Sigma对两个人群未知时,该计算器的主要目的是为了比较两种群体意味着。如果已知人口标准偏差,那么您应该使用它 z检验两种方向 。