檢驗由來
學生
t檢驗是
威廉·戈塞為了觀測釀酒品質於1908年所提出的,“學生”則是他的
筆名。基於克勞德·健力士(Claude Guinness)聘用從
牛津大學和
劍橋大學出來的最好的畢業生,以將生物化學及統計學套用到健力士工業流程的創新政策,戈斯特受僱於
都柏林的健力士釀酒廠擔任統計學家。戈斯特提出了
t檢驗以降低啤酒質量監控的成本。戈斯特於1908年在《Biometrika》期刊上公布t檢驗,但因其老闆認為其為商業機密而被迫使用筆名,統計學論文內容也跟釀酒無關。實際上,其他統計學家是知道戈斯特真實身份的。
今日,它更常被套用於小樣本判斷的置信度。
檢驗套用
最常用t檢驗的情況有:
前提假設
大多數的
t檢定之統計量具有
t=
Z/
k的形式,其中
Z與
k是已知資料的函式。
Z通常被設計成對於對立假說有關的形式,而
k是一個尺度參數使
t服從於
t分布。以單樣本
t檢驗為例,
其中
為樣本平均數,n為樣本數,
為總體
標準差。至於
k在單樣本
t檢驗中為
,其中
為樣本的標準偏差。在符合零假說的條件下,
t檢定有以下前題:
Z服從標準常態分配
(n-1)k服從自由度(n-1)的卡方分布
Z與k互相獨立
單樣本t檢驗
檢驗零假說為一群來自正態分配獨立樣本xi之母體期望值μ為μ0可利用以下統計量
其中
為樣本平均數,
為樣本
標準偏差,
n為樣本數。該統計量
t在零假說:
μ=
μ0為真的條件下服從自由度為
n−1的
t分布。
配對樣本t檢驗
配對樣本t檢驗可視為單樣本t檢驗的擴展,不過檢驗的對象由一群來自正態分配獨立樣本更改為二群配對樣本之觀測值之差。
若二群配對樣本x1i與x2i之差為di=x1i−x2i獨立且來自正態分配,則di之母體期望值μ是否為μ0可利用以下統計量
其中
為配對樣本差值之平均數,
為配對樣本差值之
標準偏差,
n為配對樣本數。該統計量
t在零假說:
μ=
μ0為真的條件下服從自由度為
n−1的
t分布。
獨立雙樣本t檢驗
樣本數及方差相等
若二群獨立樣本x1i與x2i具有相同之樣本數n,並且彼此獨立及來自二個方差相等的正態分配,則二群母體之期望值差μ1-μ2是否為μ0可利用以下統計量
該統計量
t在零假說:
μ1-
μ2=
μ0為真的條件下服從自由度為2
n−2的
t分布。
樣本數不相等但方差相等
若二群獨立樣本x1i與x2j具有不相同之樣本數n1與n2,並且彼此獨立及來自二個方差相等的正態分配,則二群母體之期望值之差μ1-μ2是否為μ0可利用以下統計量
該統計量
t在零假說:
μ1-
μ2=
μ0為真的條件下服從自由度為
n1+
n2−2的
t分布。
樣本數及方差皆不相等
若二群獨立樣本x1i與x2j具有相等或不相同之樣本數n1與n2,並且彼此獨立及來自二個方差不相等的正態分配,則二群母體之期望值之差μ1-μ2是否為μ0可利用以下統計量
該統計量
t在零假說:
μ1-
μ2=
μ0為真的條件下服從自由度為
電腦軟體
另請參閱
方差齊性檢驗(F檢驗)