高等数学 / 系统课时

两总体均值检验

两总体均值检验

两总体均值检验用于判断两个独立群体的平均水平是否存在差异。本课聚焦独立样本情形,说明等方差合并 t 检验与不等方差 Welch t 检验的选择、计算和结论表达。

学习目标

  • 能建立两个独立总体均值差的假设
  • 能区分等方差合并 t 检验与 Welch t 检验
  • 能完成统计量计算并解释显著性结论

建立两个总体的均值差假设

设两个总体均值分别为 μ1\mu_1 和 μ2\mu_2。最常见的双侧检验写成 H0:μ1−μ2=0H_0:\mu_1-\mu_2=0,H1:μ1−μ2≠0H_1:\mu_1-\mu_2\ne0;若要检验预先确定的差值 Δ0\Delta_0,可把 0 替换为 Δ0\Delta_0。

本课讨论的是两组互不重叠、观测彼此独立的样本,例如不同班级、不同生产线或不同实验组。若同一对象被前后测量,或样本按个体一一匹配,应使用配对 t 检验,而不是独立样本检验。

两总体均值检验方法选择图

等方差时使用合并方差 t 检验

若两个正态总体方差可视为相等,可先合并两组样本方差:

sp2=(n1−1)s12+(n2−1)s22n1+n2−2s_p^2=\frac{(n_1-1)s_1^2+(n_2-1)s_2^2}{n_1+n_2-2}

随后计算:

t=(Xˉ1−Xˉ2)−Δ0sp1/n1+1/n2,df=n1+n2−2t=\frac{(\bar X_1-\bar X_2)-\Delta_0}{s_p\sqrt{1/n_1+1/n_2}},\qquad df=n_1+n_2-2

合并方差的含义是用两组数据共同估计同一个总体方差。只有等方差假设合理时,这种估计才有效;不能仅因两个样本标准差“看起来接近”就机械选择该方法。

方差不等时使用 Welch t 检验

当两总体方差不等,或没有足够依据认定方差相等时,优先使用 Welch t 检验。其统计量为:

t=(Xˉ1−Xˉ2)−Δ0s12/n1+s22/n2t=\frac{(\bar X_1-\bar X_2)-\Delta_0}{\sqrt{s_1^2/n_1+s_2^2/n_2}}

自由度使用 Welch–Satterthwaite 近似:

df=(s12/n1+s22/n2)2(s12/n1)2n1−1+(s22/n2)2n2−1df=\frac{(s_1^2/n_1+s_2^2/n_2)^2}{\frac{(s_1^2/n_1)^2}{n_1-1}+\frac{(s_2^2/n_2)^2}{n_2-1}}

Welch 检验不强制两组方差相同,对样本量不等和波动差异较大的情形更稳健。自由度可能是小数,计算 p 值或临界值时直接使用该近似自由度即可。

例题:比较两种教学方案

方案 A 随机抽取 20 名学生,成绩均值为 82,标准差为 8;方案 B 抽取 18 名学生,均值为 75,标准差为 10。检验两种方案的平均成绩是否不同,取 α=0.05\alpha=0.05。

两组样本独立,且没有充分依据认定总体方差相等,因此使用 Welch 检验。建立 H0:μ1−μ2=0H_0:\mu_1-\mu_2=0,H1:μ1−μ2≠0H_1:\mu_1-\mu_2\ne0。

t=82−7582/20+102/18≈2.366t=\frac{82-75}{\sqrt{8^2/20+10^2/18}}\approx2.366

按 Welch 公式得到自由度约为 32.56。双侧临界值约为 2.04,且 p 值约为 0.024,因此在 5% 显著性水平下拒绝 H0H_0。

结论应写成:“样本显示两种教学方案的平均成绩存在统计显著差异,方案 A 的样本均值更高。”是否具有实际教学价值,还应结合均值差 7 分、置信区间和实施成本判断。

适用边界与检查顺序

检验前先确认两组样本是否独立,再检查严重偏态和离群值。小样本且分布明显异常时,均值 t 检验可能不稳健,可考虑数据变换、稳健方法或非参数方法。

方差齐性检验可以提供参考,但不应把“先检验方差、再决定均值检验”当成唯一规则。缺少可靠等方差依据时,直接使用 Welch 检验通常更稳妥;报告结果时应明确所用方法。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

两总体均值检验

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通