科学与技术
学生的学习任务
统计数据
验证引用
尽管已经尽一切努力跟随引文样式规则,可能会有一些差异。请参考适当的样式手册或其他来源的如果你有任何问题。
选择引用样式
反馈
谢谢你的反馈
我们的编辑器将检查你提交并决定是否修改这篇文章。
学生的学习任务,在统计数据的方法测试假设关于的意思是一个小的样本来自一个正态分布人口在人口标准偏差是未知的。
在1908年威廉·希利戈塞特,一个英国人作笔名出版的学生,开发了t以及和t分布。(戈塞特的工作吉尼斯啤酒在都柏林,发现现有的统计技术使用大样本不能用于小样本大小,他遇到了他的工作。)的t分布的曲线族的自由度(独立观测样本的数量- 1)指定了一个特定的曲线。随着样本容量(因此自由度)的增加,t标准的钟形分布方法正态分布。在实践中,测试涉及的样本大小的均值大于30,正态分布通常是应用。
通常是先制定一个零假设,即没有有效的观测样本均值的差异和人口mean-i.e假设或声明。只因为,任何测量差异机会。在一个农业研究中,例如,零假设可能是应用程序的肥料对作物产量没有影响,和一个实验将进行测试是否有增加了收获。一般来说,t以及可以是双边(也称为双尾),声明只是手段不是等价的,或片面,指定是否观察到的意思是大于或小于猜测的意思。测试统计t然后计算。如果观察到的t统计比临界值更极端的决定的适当参考分布,零假设被拒绝。适当的参考分布t统计的是t分布。的关键价值取决于测试的显著性水平(错误地拒绝零假设的概率)。
例如,假设一个研究员希望测试的样本大小的假设n与意思= 25计算t= 2。双面的测试意义的普遍水平α= 0.05,关键值t分布在24自由度−2.064和2.064。计算t不超过这些值,因此,零假设不能被拒绝有95%的信心。(信心级别是1−α)。
= 79和标准偏差年代= 10是随机从人口均值μ= 75和未知的标准差。使用的公式t统计,第二个应用程序的t分布测试假设两个独立随机样本有相同的意思。的t分布也可以用来构造置信区间的真正意思是人口(第一个应用程序)或两个样本均值之间的差异(第二个应用程序)。另请参阅区间估计。