T檢驗,亦稱student t檢驗(Student"s t test),主要用於樣本含量較小(例如n<30),總體標準差σ未知的正態分佈資料。 t檢驗是用t分佈理論來推論差異發生的機率,從而比較兩個平均數的差異是否顯著。它與z檢驗、卡方檢驗並列。
例:在小學三年級學生中隨機抽取10名學生,在學期初和學期末分別進行了兩次推理能力測驗,成績分別為79.5和72分,標準差分別為9.124,9.940。問兩次測驗成績是否有顯著地差異?
檢驗步驟為: 第一步 建立原假設 =
第二步 計算 值 = =3.459
第三步 判斷 根據自由度 ,查 值表
由於實際計算出來的 =1.65<1.74 ,則 ,故不能拒絕原假設。 結論為:兩次測驗成績有無顯著地差異。
計算公式:
t統計量: 自由度:v=n - 1 適用條件: (1) 已知一個總體均數; (2) 可得到一個樣本均數及該樣本標準誤; (3) 樣本來自正態或近似正態總體。
T檢驗,亦稱student t檢驗(Student"s t test),主要用於樣本含量較小(例如n<30),總體標準差σ未知的正態分佈資料。 t檢驗是用t分佈理論來推論差異發生的機率,從而比較兩個平均數的差異是否顯著。它與z檢驗、卡方檢驗並列。
例:在小學三年級學生中隨機抽取10名學生,在學期初和學期末分別進行了兩次推理能力測驗,成績分別為79.5和72分,標準差分別為9.124,9.940。問兩次測驗成績是否有顯著地差異?
檢驗步驟為: 第一步 建立原假設 =
第二步 計算 值 = =3.459
第三步 判斷 根據自由度 ,查 值表
由於實際計算出來的 =1.65<1.74 ,則 ,故不能拒絕原假設。 結論為:兩次測驗成績有無顯著地差異。
計算公式:
t統計量: 自由度:v=n - 1 適用條件: (1) 已知一個總體均數; (2) 可得到一個樣本均數及該樣本標準誤; (3) 樣本來自正態或近似正態總體。