假設檢定和学生t-分布

快捷方式: 差异，相似，杰卡德相似系数，参考。

假設檢定和学生t-分布之间的区别

假設檢定 vs. 学生t-分布

假設檢定是推論統計中用于检验统计假设的一种方法。而“统计假设”是可通过观察一组随机变量的模型进行检验的科学假说。一旦能估計未知參數，就會希望根據結果對未知的真正參數值做出適當的推論。 統計上對參數的假設，就是對一個或多個參數的論述。而其中欲檢驗其正確性的為零假設（null hypothesis），零假設通常由研究者決定，反應研究者對未知參數的看法。相對於零假設的其他有關參數之論述是（alternative hypothesis），它通常反應了執行檢定的研究者對參數可能數值的另一種（對立的）看法（換句話說，對立假設通常才是研究者最想知道的）。 假设检验的种类包括：t检验，Z检验，卡方检验，F检验等等。. 在概率论和统计学中，学生t-分布（Student's t-distribution）可简称为t分布，用于根据小样本来估計呈正态分布且方差未知的总体的均值。如果总体方差已知（例如在样本数量足够多时），则应该用正态分布来估计总体均值。 它是对两个样本均值差异进行显著性测试的学生''t''檢定的基础。学生t檢定改進了Z檢定（Z-test），因為Z檢定以母體標準差已知為前提。雖然在樣本數量大（超過30個）時，可以應用Z檢定來求得近似值，但Z檢定用在小樣本會產生很大的誤差，因此必須改用学生t檢定以求準確。 在母體標準差未知的情況下，不論樣本數量大或小皆可應用学生t檢定。在待比較的數據有三組以上時，因為誤差無法被壓低，此時可以用變異數分析（ANOVA）代替學生t檢定。 t分布的推导最早由大地测量学家于1876年提出，并由数学家证明。 英國人威廉·戈塞（Willam S. Gosset）于1908年再次发现并发表了t分布，当时他还在愛爾蘭都柏林的吉尼斯（Guinness）啤酒酿酒厂工作。酒廠雖然禁止員工發表一切與釀酒研究有關的成果，但允許他在不提到釀酒的前提下，以筆名發表t分佈的發現，所以论文使用了「学生」（Student）这一笔名。之后t检定以及相关理论经由羅納德·費雪（Sir Ronald Aylmer Fisher）发扬光大，為了感謝戈塞的功勞，費雪将此分布命名为学生t分布（Student's t）。.

學生t檢驗

學生t檢驗（Student's t-test）是指虛無假设成立時的任一檢定統計有學生t-分佈的統計假說檢定，屬於母數統計。學生t檢驗常作為檢驗一群來自常態分配母體的獨立樣本之期望值的是否為某一實數，或是二群來自常態分配母體的獨立樣本之期望值的差是否為某一實數。舉個簡單的例子，也就是說我們可以在抓取一個班級的男生，去比較該班與全校男生之身高差異程度是不是推測的那樣，或是不同年級班上的男生身高的差異的場合是否一如預期使用此檢驗法。.

假設檢定和學生t檢驗 · 学生t-分布和學生t檢驗 · 查看更多 »

随机变量

給定樣本空间(S, \mathbb)，如果其上的實值函數 X:S \to \mathbb是\mathbb (實值)可測函數，则稱X為（實值）随机变量。初等概率論中通常不涉及到可測性的概念，而直接把任何X:S \to \mathbb的函數稱為随机变量。 如果X指定给概率空间S中每一个事件e有一个实数X(e)，同时针对每一个实数r都有一个事件集合A_r与其相对应，其中A_r.

假設檢定和随机变量 · 学生t-分布和随机变量 · 查看更多 »

Z检验

Z检验，也称“U检验”，是为了检验在零假设情况下测试数据能否可以接近正态分布的一种统计测试。根据中央极限定理，在大样本条件下许多测验可以被贴合为正态分布。在不同的显著性水平上，Z检验有着同一个临界值，因此它比临界值标准不同学生t检验更简单易用。当实际标准差未知，而样本容量较小（小于等于30）时，学生T检验更加适用。 如果发现一个统计T接近于正态分布，Z检验的第二步为在零假设情况下估计T的期望值θ ，随后获得T的标准差s。在计算标准分数Z.

Z检验和假設檢定 · Z检验和学生t-分布 · 查看更多 »

正态分布

常態分布（normal distribution）又名高斯分布（Gaussian distribution），是一個非常常見的連續機率分布。常態分布在统计学上十分重要，經常用在自然和社会科学來代表一個不明的隨機變量。 若隨機變量X服從一個位置參數為\mu、尺度參數為\sigma的常態分布，記為： 則其機率密度函數為 常態分布的數學期望值或期望值\mu等於位置參數，決定了分布的位置；其方差\sigma^2的開平方或標準差\sigma等於尺度參數，決定了分布的幅度。 常態分布的機率密度函數曲線呈鐘形，因此人們又經常稱之為鐘形曲線（类似于寺庙里的大钟，因此得名）。我們通常所說的標準常態分布是位置參數\mu.

假設檢定和正态分布 · 学生t-分布和正态分布 · 查看更多 »

显著性差异

顯著性差異(ρ)，是統計學上對數據差異性的評價。 當數據之間具有了顯著性差異，就說明參與比對的數據不是來自於同一總體（population），而是來自於具有差異的兩個不同總體。.

假設檢定和显著性差异 · 学生t-分布和显著性差异 · 查看更多 »

方差分析

變異數分析或變方分析（Analysis of variance，簡稱ANOVA）為資料分析中常見的統計模型，主要為探討連續型（Continuous）資料型態之因变量（Dependent variable）與類別型資料型態之自变量（Independent variable）的關係，當自變項的因子中包含等於或超過三個類別情況下，檢定其各類別間平均數是否相等的統計模式，廣義上可將T檢定中變異數相等（Equality of variance）的合併T檢定（Pooled T-test）視為是變異數分析的一種，基於T檢定為分析兩組平均數是否相等，並且採用相同的計算概念，而實際上當變異數分析套用在合併T檢定的分析上時，產生的F值則會等於T檢定的平方項。 變異數分析依靠F-分布為機率分布的依據，利用平方和（Sum of square）與自由度（Degree of freedom）所計算的組間與組內均方（Mean of square）估計出F值，若有顯著差異則考量進行或稱多重比較（Multiple comparison），較常見的為、與Bonferroni correction，用於探討其各組之間的差異為何。 在變異數分析的基本運算概念下，依照所感興趣的因子數量而可分為單因子變異數分析、雙因子變異數分析、多因子變異數分析三大類，依照因子的特性不同而有三種型態，固定效應變異數分析（fixed-effect analysis of variance）、隨機效應變異數分析（random-effect analysis of variance）與混合效應變異數分析（Mixed-effect analaysis of variance），然而第三種型態在後期發展上被認為是Mixed model的分支，關於更進一步的探討可參考Mixed model的部份。 變異數分析優於兩組比較的T檢定之處，在於後者會導致多重比較（multiple comparisons）的問題而致使第一型錯誤（Type one error）的機會增高，因此比較多組平均數是否有差異則是變異數分析的主要命題。 在统计学中，方差分析（ANOVA）是一系列统计模型及其相关的过程总称，其中某一变量的方差可以分解为归属于不同变量来源的部分。其中最简单的方式中，方差分析的统计测试能够说明几组数据的平均值是否相等，因此得到两组的T檢定。在做多组双变量T檢定的时候，错误的機率会越来越大，特别是第一型錯誤，因此方差分析只在二到四组平均值的时候比较有效。.

假設檢定和方差分析 · 学生t-分布和方差分析 · 查看更多 »