高等数学 / 系统课时
配对样本检验
配对样本检验
配对样本检验用于比较同一对象在两个条件下的结果,或比较经过一一匹配的两组观测。核心不是直接比较两组均值,而是先计算每一对的差值,再检验差值总体的均值是否为零,从而判断处理、干预或时间变化是否产生稳定效果。
学习目标
- 识别配对样本与独立样本的区别
- 掌握配对 检验的假设、统计量和计算步骤
- 能根据显著性结果判断处理效果及其方向
为什么要先转成差值
设第 个对象在处理前后的观测分别为 和 。由于两个数来自同一对象,它们通常相关,不能当作两组互不相关的数据处理。配对检验把每一对观测转换为差值。
问题于是变为:差值总体的均值 是否等于零。若 ,说明平均变化不显著;若 或 ,则说明处理后存在稳定的上升或下降。

配对设计能够消除对象之间的固定差异。例如比较同一批患者用药前后的血压时,每个人的基础血压不同,但差值直接反映该患者自身的变化,因此通常比独立样本检验更有检验效率。
配对 t 检验的条件与假设
配对 检验要求观测能够正确配对,各对之间相互独立,并且差值 来自正态总体。样本量较大时,差值分布轻微偏离正态通常影响较小;样本量很小时,应特别检查明显偏态和极端异常值。常见的双侧检验为:
H_1:\mu_D<0 $$
这里差值定义必须与方向一致。若定义为“处理后减处理前”,负值表示下降;若顺序反过来,结论方向也会反过来。
统计量与执行步骤
设共有 对观测,差值样本均值为 ,差值样本标准差为 。检验统计量为:
在原假设中通常有 ,统计量服从自由度为 的 分布。实际执行时按以下顺序完成:
- 检查每个对象是否都有完整的一对观测。
- 统一计算差值,并确认正负方向。
- 计算 、 和统计量 。
- 根据双侧或单侧假设求临界值或 值。
- 结合显著性水平作出统计结论,并解释实际方向。
计算示例
某训练计划实施前后,5 名学员完成任务所需时间如下,单位为分钟。差值定义为“训练后减训练前”。
| 学员 | 训练前 | 训练后 | 差值 |
|---|---|---|---|
| 1 | 52 | 47 | -5 |
| 2 | 48 | 45 | -3 |
| 3 | 55 | 50 | -5 |
| 4 | 50 | 46 | -4 |
| 5 | 45 | 43 | -2 |
由数据可得:
差值样本标准差约为 ,因此:
自由度为 。在显著性水平 的双侧检验中,该统计量的绝对值远大于相应临界值,因此拒绝 。样本表明训练后完成时间显著减少,平均减少约 分钟。
统计显著并不等同于实际价值很大。报告结果时应同时给出平均差值、置信区间或业务可接受阈值,而不只给出“拒绝原假设”。
易错点与适用边界
最常见的错误是把配对数据当成独立样本,忽略同一对象内部的相关性。另一个错误是只比较两组样本均值,却不检查差值本身的异常值和分布形态。以下情况不适合直接使用配对 检验:
- 两组观测无法一一对应
- 配对关系由事后随意挑选而来
- 差值含严重异常值且样本很小
- 数据只是顺序等级,均值差没有明确意义
若差值明显不满足正态条件,可考虑 Wilcoxon 符号秩检验等非参数方法,但它检验的中心位置含义与均值检验并不完全相同。