教育科研中的统计方法——Z检验和t检验

一文搞懂Z检验，T检验，x2检验作者：Bob大叔，香港精益六西格玛黑带
三种检验方法的介绍
Z检验举例：
某产品，其装量服从N（2.1，0.012），即均值2.1，标准差0.01。

抽取15个样品，其测量值如下：
2.08 2.10 2.10
2.09 2.10 2.10
2.09 2.09 2.11
2.09 2.12 2.10
2.10 2.10 2.10
建立假设H0:μ=2.1，H1 μ≠2.1，由于σ已知，故选择Z检验
操作如下：
P=0.36>0.05，无法拒绝原假设H0, 所以认为取样的平均装量没有变化。

t检验举例：
某设备的OEE目标为70%，连续15天的OEE如下，请判断OEE是否已达到70%目标？
由于σ（标准差）未知，且为小样本，故而选择，t检验
建立假设：HO: μ=70%, H1>70%,
操作如下：
P=0.252>0.05，无法拒绝原假设，说明0EE并未大于70%。

X2检验举例：
已知某产品装量，符合N（μ，σ2）分布，μ未知，但是要求标准差不能超过0.01，随机抽取30个样品，请问标准差是否有变化？
由于μ未知，故而选择X2检验，
建立假设：H0:σ=0.01, H1:σ≠0.01
操作如下：
（weixin gongzhonghao: HK_BobUncle）
P=0.303>0.05, 无法拒绝原假设，说明标准差无变化。

z 检验/u 检验、t 检验、F 检验、卡方检验使用条件1. z 检验/u 检验（1）当样本容量30n >，即大样本时，样本相关系数r 就近似服从正态分布，经过对r 标准化变换后，则得到检验统计量：r r u σ= 或 σ=r rz 式中，r σ表示样本相关系数r 的抽样平均误差，即样本相关系数与总体相关系数之间的平均偏差。

（2）当在0ρ≠的总体中随机抽样时，样本相关系数r 并不呈正态分布，若要测定相关系数与0ρ≠的数值是否显著，或测定两个相关系数之间的差异是否显著，即从两个已知样本相关系数推断其总体相关系数是否相等的假设，费歇（Fisher ）在1921年提出了如下方法: 012:H ρρ= 112:H ρρ≠11ln 21r r z r +=- 经过对r 变化，则r z 就接近正态分布。

r z 的标准差为：()r z σ= 在简单直线方程式中只有两个参数，故2m =，则()r z σ=因此，此时可用正态分布方法进行检验。

The general form of a lower-tail test, whereis the stated value for the population mean, follows.Large-Sample (30≥n ) Hypothesis Test About a Population Mean for a One-Tailed Test of the Form00:μμ≥H 0:μμ<a HTest Statistic ：σ Assumed Knownn x z /0σμ-=Test Statistic ：σ Estimated by s0μn s x z /0μ-=Rejection RuleUsing test statistic ：Reject 0H if α<-z zUsing -p value ：Reject 0H if α<-value p2.t 检验当样本容量30n <，即小样本时，如果总体相关系数0ρ=，则样本相关系数r 的抽样分布随着样本容量n 的增大而逐渐地趋近于自由度为n m -的t 分布。

z检验和t检验的区别
卡方检验是对两个或两个以上样本率（构成比）进行差别比较的统计方法。

t检验，主要是用于小样本（样本容量小于30）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。

t检验的适用条件：正态分布资料。

1、卡方检验是用途非常广的一种假设检验方法，它在分类资料统计推断中的应用，
包括：两个率或两个构成比比较的卡方检验；多个率或多个构成比比较的卡仿检验以及分
类资料的相关分析等。

2、t检验，亦称student t检验( student's ttest) ，主要用作样本含量较小(比
如n大于30) ，总体标准差o未明的正态分布。

t检验就是用t原产理论去推断差异出现
的概率，从而比较两个平均数的差异与否明显。

t检验
3、t检验共分成三种方法，分别就是单一制样本t检验，接合样本t检验和单样本t
检验。

单一制样本t检验和单因素方差分析功能上基本一致，但是单一制样本t检验就可
以比较两组选项的差异，比如说男性和女性。

相对来讲，独立样本t检验在实验比较时使用频率更高，尤其是生物、医学相关领域。

针对问卷研究，如果比较的类别为两组，独立样本t检验和单因素方差分析均可实现，研
究者自行选择使用即可。

4、卡方分析：卡方检验用作分析定类数据与定类数据之间的关系情况。

比如研究人
员想要晓得两组学生对于手机品牌的偏好差异情况，则必须采用卡方分析。

卡方就是通过
分析相同类别数据的相对挑选频数和比重情况，进而展开差异推论，单选题或多选题均可
以采用卡方分析展开对照差异分析。

统计学检验方法比较统计学检验方法是在统计学中用来判断研究假设是否成立的一种方法。

它通过分析样本数据来推断总体参数，并根据结果得出判断。

在进行统计学检验之前，我们首先需要明确研究问题和研究假设。

接下来，我将介绍一些常见的统计学检验方法的比较。

1.T检验和Z检验T检验和Z检验都是用来推断一个样本的均值是否与总体均值有显著差异。

T检验主要用于小样本，而Z检验适用于大样本。

相较于Z检验，T检验考虑到了样本的自由度，因此对于小样本的推断更加准确。

2.单样本检验和双样本检验单样本检验用于比较一个样本的均值是否与一个已知的总体均值有显著差异。

双样本检验则用于比较两个样本的均值是否存在显著差异。

双样本检验可以进一步分为独立样本检验和配对样本检验。

独立样本检验适用于两个独立的样本，而配对样本检验适用于同一组个体在不同时间或不同处理下的两次测量。

3.卡方检验和F检验卡方检验主要用于判断两个分类变量之间是否存在相关性。

它将观察频数与期望频数进行比较，以确定差异的显著性。

F检验则用于比较两个或更多个总体方差是否相等。

它将组间离散度与组内离散度进行比较，从而推断总体方差是否存在显著差异。

4.非参数检验和参数检验非参数检验不依赖于总体的特定分布，而是对总体的分布进行较少的假设。

它通过对数据的排序和秩次转换来进行推断。

非参数检验一般适用于数据不服从正态分布或样本量较小的情况。

参数检验则建立在对总体参数分布的假设上，通常假设数据服从正态分布。

参数检验的推断结果相对较为准确，但对数据的假设要求较高。

综上所述，不同的统计学检验方法适用于不同的研究问题和数据类型。

选择合适的统计学检验方法可以提高推断结果的准确性。

因此，在进行统计学检验之前，我们需要充分理解研究问题的背景，研究假设的特点以及数据的类型和分布，从而选择适当的检验方法。

同时，还需要注意检验过程中的假设和限制，以及结果的解释和推断的合理性。

t检验和z检验的比较
检验类型单样本资料的t检验配对设计资料的t检验两独立样本资料的t检验两独立样本资料的z检验
应用条件当样本例数n较小，样本来自正态总体，总体标准差未知。

在作两个样本均数比较时，还要求两样本
相应的两总体方差相等。

（用于定量资料）
两个样本含量n较大（均大于50）
的情况
举例已知一个样本的指标的真值，现
在重复测定15次，问此法测得的
均数与真值有无差别（P296例）
用某药治疗8例高血压患者，观
察治疗前后舒张压的变化情况，
问该药是否对高血压患者治疗前
后舒张压变化有影响（P297例）
两组雄性大鼠（n1=12，n2=12）
分别用高蛋白和低蛋白饲料喂
养，问体重的增加有无差别
（P299例）
某医院用120名2型糖尿病患者
分成两组，用不同降血糖药，比
较两种降糖药的降血糖效果是否
不同（P299例）
假设（注意单侧和双侧假设区别）H 0:μ=μ0
H 1:μ≠μ0 α= 0.05
H 0:μd=0
H 1:μd≠0 α= 0.05
H 0:μ1=μ2
H 1:μ1≠μ2 α= 0.05
H 0:μ1=μ2
H 1:μ1≠μ2 α= 0.05
计算公式
比较，结论t>t界值（z>z界值），p≤0.05，拒绝Ho，接受H1，差异有统计学意义，可以认为······
t<t界值（z<z界值），p>0.05，不拒绝Ho，差异无统计学意义，尚不能认为······（根据题目下结论）。