Add T检验的基本原理

notebook_必备数学基础/假设检验章节/.ipynb_checkpoints/假设检验-checkpoint.ipynb

@@ -399,6 +399,36 @@
     "<img src=\"assets/20201115152913.png\" width=\"50%\">"
    ]
   },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "## T检验"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "### 根据研究设计，t检验有三种形式\n",
+    "<ul>\n",
+    "    <li>单个样本的检验</li>\n",
+    "    用来比较一组数据的平均值和一个数值有无差异。例如,你选取了5个人，测定了他们的身高，要看这五个人的身高平均值是否高于、低于还是等于1.70m，就需要用这个检验方法。\n",
+    "    <li>配对样本均数t检验(非独立两样本均数t检验)</li>\n",
+    "    用来看一组样本在处理前后的平均值有无差异。比如，你选取了5个人，分别在饭前和饭后测量了他们的体重，想检测吃饭对他们的体重有无影响，就需要用这个t检验。\n",
+    "    <li>两个独立样本均数t检验</li>\n",
+    "    用来看两组数据的平均值有无差异。比如,你选取了5男5女,想看男女之间身高有无差异，这样，男的一组，女的一组，这两个组之间的身高平均值的大小比较可用这种方法。\n",
+    "</ul>\n",
+    "<br><br>\n",
+    "\n",
+    "###  单个样本t检验\n",
+    "\n",
+    "<ul>\n",
+    "    <li>又称单样本均数t检验(one sample t test)，适用于样本均数与己知总体均数μ0的比较,目的是检验样本均数所代表的总体均数μ是否与已知总体均数μ0有差别。\n",
+    "    <li>已知总体均数μ0一般为标准值、理论值或经大量观察得到的较稳定的指标值。\n",
+    "    <li>应用条件，总体标准α未知的小样本资料，且服从正态分布。"
+   ]
+  },
   {
    "cell_type": "code",
    "execution_count": null,

notebook_必备数学基础/假设检验章节/假设检验.ipynb

@@ -351,7 +351,6 @@
    ]
   },
   {
-   "attachments": {},
    "cell_type": "markdown",
    "metadata": {},
    "source": [
@@ -379,7 +378,6 @@
    ]
   },
   {
-   "attachments": {},
    "cell_type": "markdown",
    "metadata": {},
    "source": [
@@ -399,6 +397,116 @@
     "<img src=\"assets/20201115152913.png\" width=\"50%\">"
    ]
   },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "## T检验"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "### 根据研究设计，t检验有三种形式\n",
+    "<ul>\n",
+    "    <li>单个样本的检验</li>\n",
+    "    用来比较一组数据的平均值和一个数值有无差异。例如,你选取了5个人，测定了他们的身高，要看这五个人的身高平均值是否高于、低于还是等于1.70m，就需要用这个检验方法。\n",
+    "    <li>配对样本均数t检验(非独立两样本均数t检验)</li>\n",
+    "    用来看一组样本在处理前后的平均值有无差异。比如，你选取了5个人，分别在饭前和饭后测量了他们的体重，想检测吃饭对他们的体重有无影响，就需要用这个t检验。\n",
+    "    <li>两个独立样本均数t检验</li>\n",
+    "    用来看两组数据的平均值有无差异。比如,你选取了5男5女,想看男女之间身高有无差异，这样，男的一组，女的一组，这两个组之间的身高平均值的大小比较可用这种方法。\n",
+    "</ul>\n",
+    "<br><br>\n",
+    "\n",
+    "###  单个样本t检验\n",
+    "\n",
+    "<ul>\n",
+    "    <li>又称单样本均数t检验(one sample t test)，适用于样本均数与己知总体均数μ0的比较,目的是检验样本均数所代表的总体均数μ是否与已知总体均数μ0有差别。\n",
+    "    <li>已知总体均数μ0一般为标准值、理论值或经大量观察得到的较稳定的指标值。\n",
+    "    <li>应用条件，总体标准α未知的小样本资料，且服从正态分布。"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "#### 实例\n",
+    "以往通过大规模调査已知某地新生儿出生体重为3.30kg。从该地难产儿中随机抽取35名新生儿,平均出生体重为3.42kg,标准差为0.40kg,问该地难产儿出生体重是否与一般新生儿体重不同?"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "建立检验假设，确定检验水准\n",
+    "H0： μ=μ0；H1：μ≠μ0；α=0.05\n",
+    "<br>\n",
+    "计算检验统计量\n",
+    "$$\n",
+    "t = \\frac{\\overline{X} - μ_0}{S_{\\overline{x}}}\n",
+    "= \\frac{\\overline{X}-μ_0}{S/\\sqrt{n}}\n",
+    "= \\frac{3.42-3.30}{0.40/\\sqrt{35}}\n",
+    "= 1.77\n",
+    "$$"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "本例自由度v=n-1=35-1=34,查表得得t0.052/34=2.032。因为t<t0.052/34,故P>0.05,按α=0.05水准，不拒绝H0，差别无统计学意义，尚不能认为该地难产;\n",
+    "<br>自由度：可以随意变换的个数是多少"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "网上搜索：t分布临界值表\n",
+    "<img src=\"assets/20201116212408.png\" width=\"70%\">"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "### 配对样本均数t检验\n",
+    "<ul>\n",
+    "<li>简称配对t检验( paired t test)，又称非独立俩样木均数t检验，适用于配对设计计量资料均数的比较\n",
+    "    <li>配对设计( paired design)是将受试对象按某些特征相近的原则配成对子，每对中的两个个体随机地给予两种处理"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "#### 配对样本均数t检验原理\n",
+    "<ul>\n",
+    "<li>配对设计的资料具有对子内数据一一对应的特征，研究者应关心是对子的效应差值而不是各自的效应值。\n",
+    "<li>进行配对t检验时，首选应计算各对数据间的差值d，将d作为变量计算均数。\n",
+    "<li>配对样本t检验的基本原理是假设两种处理的效应相同，理论上差值d的总体均数μd为0，现有的不等于0差值样本均数可以来自μd=0的总体，也可以来ud≠0的总体。\n",
+    "<li>可将该检验理解为差值样本均数与已知总体均数μd(pd=0)比较的单样本t检验,其检验统计量"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "$$\n",
+    "t = \\frac{\\overline{d} - μ_d}{S_{\\overline{d}}}\n",
+    "= \\frac{\\overline{d} - 0}{S_{\\overline{d}}}\n",
+    "= \\frac{\\overline{d}}{S_d/\\sqrt{n}}\n",
+    "$$"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "## T检验实例"
+   ]
+  },
   {
    "cell_type": "code",
    "execution_count": null,

必备数学基础.md

@@ -1200,4 +1200,5 @@ https://scikit-learn.org/stable/auto_examples/
 **Z检验的基本原理**
 
 **Z检验案例**
+**T检验的基本原理**