单样本 t 检验:定义、公式和示例
单样本 t 检验用于测试总体平均值是否等于某个值。
本教程解释了以下内容:
- 执行单样本 t 检验的动机。
- 用于执行单样本 t 检验的公式。
- 执行单样本 t 检验必须满足的假设。
- 如何执行单样本 t 检验的示例。
t 检验的示例:动机
假设我们想知道佛罗里达州某种海龟的平均重量是否为 310 磅。由于佛罗里达州有数千只海龟,因此四处走动并单独称重每只海龟将非常耗时且昂贵。
相反,我们可以抽取 40 只海龟的简单随机样本,并使用该样本中海龟的平均重量来估计真实的种群平均值:
然而,几乎可以保证我们样本中海龟的平均重量将不同于 310 磅。问题是这种差异是否具有统计显着性。幸运的是,单样本 t 检验可以让我们回答这个问题。
单样本 t 检验:公式
单样本 t 检验始终使用以下原假设:
- H 0 : μ = μ 0 (总体平均值等于假设值 μ 0 )
备择假设可以是双边的、左的或右的:
- H 1 (双尾): μ ≠ μ 0 (总体平均值不等于假设值 μ 0 )
- H 1 (左): μ < μ 0 (总体平均值小于假设值 μ 0 )
- H 1 (右): μ > μ 0 (总体平均值大于假设值 μ 0 )
我们使用以下公式来计算 t 检验统计量:
t = ( X – μ) / (s/ √n )
金子:
- x :样本均值
- μ 0 :假设总体平均值
- s:样本标准差
- n:样本量
如果与具有 (n-1) 个自由度的 t 检验统计量相对应的 p 值小于所选的显着性水平(常见选择为 0.10、0.05 和 0.01),则您可以拒绝原假设。
一个样本 t 检验:假设
为了使单样本 t 检验的结果有效,必须满足以下假设:
- 所研究的变量必须是区间变量或比率变量。
- 样本中的观察必须是独立的。
- 研究的变量必须具有近似正态分布。您可以通过创建直方图并目视检查分布是否大致呈“钟形”来测试此假设。
- 研究的变量不得包含任何异常值。您可以通过创建箱线图并目视检查异常值来验证这一假设。
一个样本 t 检验:示例
假设我们想知道某种乌龟的平均重量是否等于 310 磅。为了测试这一点,我们将使用以下步骤在 α = 0.05 显着性水平上执行单样本 t 检验:
步骤 1:收集样本数据。
假设我们随机收集海龟样本,其中包含以下信息:
- 样本量 n = 40
- 平均样本重量x = 300
- 样本标准差 s = 18.5
第 2 步:定义假设。
我们将使用以下假设进行单样本 t 检验:
- H 0 : μ = 310(总体平均值等于 310 本书)
- H 1 : μ ≠ 310(总体平均值不等于 310 磅)
步骤 3:计算t检验统计量。
t = ( x – μ) / (s/ √n ) = (300-310) / (18.5/ √40 ) = -3.4187
步骤 4:计算t检验统计量的 p 值。
根据T 分数到 P 值计算器,与 t = -3.4817 和自由度 = n-1 = 40-1 = 39 相关的 p 值为0.00149 。
第五步:得出结论。
由于该 p 值低于显着性水平 α = 0.05,因此我们拒绝原假设。我们有足够的证据表明这种海龟的平均体重不等于310磅。
注意:您还可以仅使用单样本 t 检验计算器来执行整个单样本 t 检验。
其他资源
以下教程解释了如何使用不同的统计程序执行单样本 t 检验:
如何在 Excel 中执行单样本 t 检验
如何在 SPSS 中执行单样本 t 检验
如何在 Stata 中进行单样本 t 检验
如何在 R 中执行单样本 t 检验
如何在 Python 中执行单样本 t 检验
如何在 TI-84 计算器上执行单样本 t 检验