t检验的p值对照表_t分布与检验小结
t 分布
t分布(t-distribution),用于根据小样本来估计呈正态分布且方差未知的总体的平均值
如果总体方差已知,则应该使用正态分布
![d26b17392941ce5198d89fbfe155c041.png](https://img-blog.csdnimg.cn/img_convert/d26b17392941ce5198d89fbfe155c041.png)
自由度越大,t分布越接近标准正太分布
随自由度的增大,t分布逐渐逼近标准正太分布
t分布曲线的特点:
- t分布曲线是单峰分布,它以0为中心,左右对称
- t分布的形状与样本数n有关。自由度越小,t值越分散,曲线的峰部越矮
- t分布不是一条曲线,而是很多曲线的集合(一簇曲线)
t界值表:
![b19f5097c4896dbc89512befa8e0faad.png](https://img-blog.csdnimg.cn/img_convert/b19f5097c4896dbc89512befa8e0faad.png)
t 检验
T检验,也称为Student's t test,主要用户样本含量较小,总体标准差未知的正太分布资料
T检验,是用于小样本的两个平均值差异程度的检验方法。它是用T分布理论来推断差异发生的概率,从而判定两个平均数的差异是否显著。
以t分布为基础的一类比较均数的假设检验方法。
事先规定一个较小的概率
T检验的应用:
- 单样本检验(one sample t test)
检验一个正态分布的总体的均值是否在满足零假设的值之内
推断样本所属总体的均数是否与已知值有差异
![9fdcd670779ae5d42047f3896b85c079.png](https://img-blog.csdnimg.cn/img_convert/9fdcd670779ae5d42047f3896b85c079.png)
例子:
![6f135b16f22df57c5ed09b944a40615b.png](https://img-blog.csdnimg.cn/img_convert/6f135b16f22df57c5ed09b944a40615b.png)
提出无效假设
双侧检验,检验水准
求t值,
自由度=35-1=34
通过查表,可知,0.05对应的t值是2.032
所以,我们不拒绝(接受)原假设
![f5b006a19a2006970056871acd822e1d.png](https://img-blog.csdnimg.cn/img_convert/f5b006a19a2006970056871acd822e1d.png)
首先,提出无效假设
(这里我是有个疑问,对立假设,不应该是
然后,带入公式,求t值
![da45cd2d81bbf5b7e0adbb83225f3010.png](https://img-blog.csdnimg.cn/img_convert/da45cd2d81bbf5b7e0adbb83225f3010.png)
样本数=10,自由度=9,查表知道0.05对应的是2.262,我们的t值=2.55
所以,我们的p值是小于临界值2.262的,我们拒绝原假设,选择备选假设,平均高度大于1.60m,符合要求。
这里的话,使用Excel是可以求p值的,使用函数:TDIST
- 配对样本T检验
配对设计(paired design),是一种特殊的设计方式,能够很好地控制非实验因素对结果的影响,有自身配对和异体配对之分
将受试对象的某些重要特征按相近的原则配成对子,目的是消除混杂因素的影响,一对观察对象之间除了处理因素/研究因素之外,其它因素基本齐同,每对中的两个个体随机给予两种处理。
![d50c096e920b2be9fc9a097fac1367e7.png](https://img-blog.csdnimg.cn/img_convert/d50c096e920b2be9fc9a097fac1367e7.png)