Формула t: Формула времени, t

t-критерий Стьюдента для проверки гипотезы о средней и расчета доверительного интервала в Excel

Проверка статистической гипотезы позволяет сделать строгий вывод о характеристиках генеральной совокупности на основе выборочных данных. Гипотезы бывают разные. Одна из них – это гипотеза о средней (математическом ожидании). Суть ее в том, чтобы на основе только имеющейся выборки сделать корректное заключение о том, где может или не может находится генеральная средняя (точную правду мы никогда не узнаем, но можем сузить круг поиска).

Распределение Стьюдента

Общий подход в проверке гипотез описан здесь, поэтому сразу к делу. Предположим для начала, что выборка извлечена из нормальной совокупности случайных величин X с генеральной средней μ и дисперсией σ². Средняя арифметическая из этой выборки, очевидно, сама является случайной величиной. Если извлечь много таких выборок и посчитать по ним средние, то они также будут иметь нормальное распределение с математическим ожиданием μ и дисперсией

Тогда случайная величина

имеет стандартное нормальное распределение со всеми вытекающими отсюда последствиями. Например, с вероятностью 95% ее значение не выйдет за пределы ±1,96.

Однако такой подход будет корректным, если известна генеральная дисперсия. В реальности, как правило, она не известна. Вместо нее берут оценку – несмещенную выборочную дисперсию:

где

Возникает вопрос: будет ли генеральная средняя c вероятностью 95% находиться в пределах ±1,96s_x̅. Другими словами, являются ли распределения случайных величин

и

эквивалентными.

Впервые этот вопрос был поставлен (и решен) одним химиком, который трудился на пивной фабрике Гиннесса в г. Дублин (Ирландия). Химика звали Уильям Сили Госсет и он брал пробы пива для проведения химического анализа. В какой-то момент, видимо, Уильяма стали терзать смутные сомнения на счет распределения средних. Оно получалось немного более размазанным, чем должно быть у нормального распределения.

Собрав математическое обоснование и рассчитав значения функции обнаруженного им распределения, химик из Дублина Уильям Госсет написал заметку, которая была опубликована в мартовском выпуске 1908 года журнала «Биометрика» (главред – Карл Пирсон). Гиннесс строго-настрого запретил выдавать секреты пивоварения, и Госсет подписался псевдонимом Стьюдент.

Несмотря на то что, К. Пирсон уже изобрел распределение Хи-квадрат, все-таки всеобщее представление о нормальности еще доминировало. Никто не собирался думать, что распределение выборочных оценок может быть не нормальным. Поэтому статья У. Госсета осталась практически не замеченной и забытой. И только Рональд Фишер по достоинству оценил открытие Госсета. Фишер использовал новое распределение в своих работах и дал ему название t-распределение Стьюдента. Критерий для проверки гипотез, соответственно, стал t-критерием Стьюдента. Так произошла «революция» в статистике, которая шагнула в эру анализа выборочных данных. Это был краткий экскурс в историю.

Посмотрим, что же мог увидеть У. Госсет. Сгенерируем 20 тысяч нормальных выборок из 6-ти наблюдений со средней (X̅) 50 и среднеквадратичным отклонением (σ) 10. Затем нормируем выборочные средние, используя генеральную дисперсию:

Получившиеся 20 тысяч средних сгруппируем в интервалы длинной 0,1 и подсчитаем частоты. Изобразим на диаграмме фактическое (Norm) и теоретическое (ENorm) распределение частот выборочных средних.

Точки (наблюдаемые частоты) практически совпадают с линией (теоретическими частотами). Оно и понятно, ведь данные взяты из одной и то же генеральной совокупности, а отличия – это лишь ошибки выборки.

Проведем новый эксперимент. Нормируем средние, используя выборочную дисперсию.

Снова подсчитаем частоты и нанесем их на диаграмму в виде точек, оставив для сравнения линию стандартного нормального распределения. Обозначим эмпирическое частоты средних, скажем, через букву t.

Видно, что распределения на этот раз не очень-то и совпадают. Близки, да, но не одинаковы. Хвосты стали более «тяжелыми».

У Госсета-Стьюдента не было последней версии MS Excel, но именно этот эффект он и заметил. Почему так получается? Объяснение заключается в том, что случайная величина

зависит не только от ошибки выборки (числителя), но и от стандартной ошибки средней (знаменателя), которая также является случайной величиной.

Давайте немного разберемся, какое распределение должно быть у такой случайной величины. Вначале придется кое-что вспомнить (или узнать) из математической статистики. Есть такая теорема Фишера, которая гласит, что в выборке из нормального распределения:

1. средняя X̅ и выборочная дисперсия s² являются независимыми величинами;

2. соотношение выборочной и генеральной дисперсии, умноженное на количество степеней свободы, имеет распределение χ²(хи-квадрат) с таким же количеством степеней свободы, т.е.

где k – количество степеней свободы (на английском degrees of freedom (d.f.))

Вернемся к распределению средней. Разделим числитель и знаменатель выражения

на σ_X̅. Получим

Числитель – это стандартная нормальная случайная величина (обозначим ξ (кси)). Знаменатель выразим из теоремы Фишера.

Тогда исходное выражение примет вид

Это и есть t-критерий Стьюдента в общем виде (стьюдентово отношение). Вывести функцию его распределения можно уже непосредственно, т.к. распределения обеих случайных величин в данном выражении известны. Оставим это удовольствие математикам.

Функция t-распределения Стьюдента имеет довольно сложную для понимания формулу, поэтому не имеет смысла ее разбирать. Вероятности и квантили t-критерия приведены в специальных таблицах распределения Стьюдента и забиты в функции разных ПО вроде Excel.

Итак, вооружившись новыми знаниями, вы сможете понять официальное определение распределения Стьюдента.
Случайной величиной, подчиняющейся распределению Стьюдента с k степенями свободы, называется отношение независимых случайных величин

где ξ распределена по стандартному нормальному закону, а χ²_k подчиняется распределению χ² c k степенями свободы.

Таким образом, формула критерия Стьюдента для средней арифметической

есть частный случай стьюдентова отношения

Из формулы и определения следует, что распределение т-критерия Стьюдента зависит лишь от количества степеней свободы.

При k > 30 t-критерий практически не отличается от стандартного нормального распределения.

В отличие от хи-квадрат, t-критерий может быть одно- и двусторонним. Обычно пользуются двусторонним, предполагая, что отклонение может происходить в обе стороны от средней. Но если условие задачи допускает отклонение только в одну сторону, то разумно применять односторонний критерий. От этого немного увеличивается мощность критерия.

Условия применения t-критерия Стьюдента

Несмотря на то, что открытие Стьюдента в свое время совершило переворот в статистике, t-критерий все же довольно сильно ограничен в возможностях применения, т.к. сам по себе происходит из предположения о нормальном распределении исходных данных. Если данные не являются нормальными (что обычно и бывает), то и t-критерий уже не будет иметь распределения Стьюдента. Однако в силу действия центральной предельной теоремы средняя даже у ненормальных данных быстро приобретает колоколообразную форму распределения.

Рассмотрим, для примера, данные, имеющие выраженный скос вправо, как у распределения хи-квадрат с 5-ю степенями свободы.

Теперь создадим 20 тысяч выборок и будет наблюдать, как меняется распределение средних в зависимости от их объема.

Отличие довольно заметно в малых выборках до 15-20-ти наблюдений. Но дальше оно стремительно исчезает. Таким образом, ненормальность распределения – это, конечно, нехорошо, но некритично.

Больше всего t-критерий «боится» выбросов, т.е. аномальных отклонений. Возьмем 20 тыс. нормальных выборок по 15 наблюдений и в часть из них добавим по одному случайном выбросу.

Картина получается нерадостная. Фактические частоты средних сильно отличаются от теоретических. Использование t-распределения в такой ситуации становится весьма рискованной затеей.

Итак, в не очень малых выборках (от 15-ти наблюдений) t-критерий относительно устойчив к ненормальному распределению исходных данных. А вот выбросы в данных сильно искажают распределение t-критерия, что, в свою очередь, может привести к ошибкам статистического вывода, поэтому от аномальных наблюдений следует избавиться. Часто из выборки удаляют все значения, выходящие за пределы ±2 стандартных отклонения от средней.

Пример проверки гипотезы о математическом ожидании с помощью t- критерия Стьюдента в MS Excel

В Excel есть несколько функций, связанных с t-распределением. Рассмотрим их.

СТЬЮДЕНТ.РАСП – «классическое» левостороннее t-распределение Стьюдента. На вход подается значение t-критерия, количество степеней свободы и опция (0 или 1), определяющая, что нужно рассчитать: плотность или значение функции. На выходе получаем, соответственно, плотность или вероятность того, что случайная величина окажется меньше указанного в аргументе t-критерия, т.е. левосторонний p-value.

СТЬЮДЕНТ.РАСП.2Х – двухсторонне распределение. В качестве аргумента подается абсолютное значение (по модулю) t-критерия и количество степеней свободы. На выходе получаем вероятность получить такое или еще больше значение t-критерия (по модулю), т.е. фактический уровень значимости (p-value).

СТЬЮДЕНТ.РАСП.ПХ – правостороннее t-распределение. Так, 1-СТЬЮДЕНТ.РАСП(2;5;1) = СТЬЮДЕНТ.РАСП.ПХ(2;5) = 0,05097. Если t-критерий положительный, то полученная вероятность – это p-value.

СТЬЮДЕНТ.ОБР – используется для расчета левостороннего обратного значения t-распределения. В качестве аргумента подается вероятность и количество степеней свободы. На выходе получаем соответствующее этой вероятности значение t-критерия. Отсчет вероятности идет слева. Поэтому для левого хвоста нужен сам уровень значимости α, а для правого 1 — α.

СТЬЮДЕНТ.ОБР.2Х – обратное значение для двухстороннего распределения Стьюдента, т.е. значение t-критерия (по модулю). Также на вход подается уровень значимости α. Только на этот раз отсчет ведется с двух сторон одновременно, поэтому вероятность распределяется на два хвоста. Так, СТЬЮДЕНТ.ОБР(1-0,025;5) = СТЬЮДЕНТ.ОБР.2Х(0,05;5) = 2,57058

СТЬЮДЕНТ.ТЕСТ – функция для проверки гипотезы о равенстве математических ожиданий в двух выборках. Заменяет кучу расчетов, т.к. достаточно указать лишь два диапазона с данными и еще пару параметров. На выходе получим p-value.

ДОВЕРИТ.СТЬЮДЕНТ – расчет доверительного интервала средней с учетом t-распределения.

Рассмотрим такой учебный пример. На предприятии фасуют цемент в мешки по 50кг. В силу случайности в отдельно взятом мешке допускается некоторое отклонение от ожидаемой массы, но генеральная средняя должна оставаться 50кг. В отделе контроля качества случайным образом взвесили 9 мешков и получили следующие результаты: средняя масса (X̅) составила 50,3кг, среднеквадратичное отклонение (s) – 0,5кг.

Согласуется ли полученный результат с нулевой гипотезой о том, что генеральная средняя равна 50кг? Другими словами, можно ли получить такой результат по чистой случайности, если оборудование работает исправно и выдает среднее наполнение 50 кг? Если гипотеза не будет отклонена, то полученное различие вписывается в диапазон случайных колебаний, если же гипотеза будет отклонена, то, скорее всего, в настройках аппарата, заполняющего мешки, произошел сбой. Требуется его проверка и настройка.

Краткое условие в обще принятых обозначениях выглядит так.

H₀: μ = 50 кг

H_a: μ ≠ 50 кг

Есть основания предположить, что распределение заполняемости мешков подчиняются нормальному распределению (или не сильно от него отличается). Значит, для проверки гипотезы о математическом ожидании можно использовать t-критерий Стьюдента. Случайные отклонения могут происходить в любую сторону, значит нужен двусторонний t-критерий.

Вначале применим допотопные средства: ручной расчет t-критерия и сравнение его с критическим табличным значением. Расчетный t-критерий:

Теперь определим, выходит ли полученное число за критический уровень при уровне значимости α = 0,05. Воспользуемся таблицей для критерия Стьюдента (есть в любом учебнике по статистике).

По столбцам идет вероятность правой части распределения, по строкам – число степеней свободы. Нас интересует двусторонний t-критерий с уровнем значимости 0,05, что равносильно t-значению для половины уровня значимости справа: 1 — 0,05/2 = 0,975. Количество степеней свободы – это объем выборки минус 1, т.е. 9 — 1 = 8. На пересечении находим табличное значение t-критерия – 2,306. Если бы мы использовали стандартное нормальное распределение, то критической точкой было бы значение 1,96, а тут она больше, т.к. t-распределение на небольших выборках имеет более приплюснутый вид.

Сравниваем фактическое (1,8) и табличное значение (2.306). Расчетный критерий оказался меньше табличного. Следовательно, имеющиеся данные не противоречат гипотезе H₀ о том, что генеральная средняя равна 50 кг (но и не доказывают ее). Это все, что мы можем узнать, используя таблицы. Можно, конечно, еще p-value попробовать найти, но он будет приближенным. А, как правило, именно p-value используется для проверки гипотез. Поэтому далее переходим в Excel.

Готовой функции для расчета t-критерия в Excel нет. Но это и не страшно, ведь формула t-критерия Стьюдента довольно проста и ее можно легко соорудить прямо в ячейке Excel.

Получили те же 1,8. Найдем вначале критическое значение. Альфа берем 0,05, критерий двусторонний. Нужна функция обратного значения t-распределения для двухсторонней гипотезы СТЬЮДЕНТ.ОБР.2Х.

Полученное значение отсекает критическую область. Наблюдаемый t-критерий в нее не попадает, поэтому гипотеза не отклоняется.

Однако это тот же способ проверки гипотезы с помощью табличного значения. Более информативно будет рассчитать p-value, т.е. вероятность получить наблюдаемое или еще большее отклонение от средней 50кг, если эта гипотеза верна. Потребуется функция распределения Стьюдента для двухсторонней гипотезы СТЬЮДЕНТ.РАСП.2Х.

P-value равен 0,1096, что больше допустимого уровня значимости 0,05 – гипотезу не отклоняем. Но теперь можно судить о степени доказательства. P-value оказался довольно близок к тому уровню, когда гипотеза отклоняется, а это наводит на разные мысли. Например, что выборка оказалась слишком мала для обнаружения значимого отклонения.

Пусть через некоторое время отдел контроля снова решил проверить, как выдерживается стандарт заполняемости мешков. На этот раз для большей надежности было отобрано не 9, а 25 мешков. Интуитивно понятно, что разброс средней уменьшится, а, значит, и шансов найти сбой в системе становится больше.

Допустим, были получены те же значения средней и стандартного отклонения по выборке, что и в первый раз (50,3 и 0,5 соответственно). Рассчитаем t-критерий.

Критическое значение для 24-х степеней свободы и α = 0,05 составляет 2,064. На картинке ниже видно, что t-критерий попадает в область отклонения гипотезы.

Можно сделать вывод о том, что с доверительной вероятностью более 95% генеральная средняя отличается от 50кг. Для большей убедительности посмотрим на p-value (последняя строка в таблице). Вероятность получить среднюю с таким или еще большим отклонением от 50, если гипотеза верна, составляет 0,0062, или 0,62%, что при однократном измерении практически невозможно. В общем, гипотезу отклоняем, как маловероятную.

Расчет доверительного интервала для математического ожидания с помощью t-распределения Стьюдента в Excel

С проверкой гипотез тесно связан еще один статистический метод – расчет доверительных интервалов. Если в полученный интервал попадает значение, соответствующее нулевой гипотезе, то это равносильно тому, что нулевая гипотеза не отклоняется. В противном случае, гипотеза отклоняется с соответствующей доверительной вероятностью. В некоторых случаях аналитики вообще не проверяют гипотез в классическом виде, а рассчитывают только доверительные интервалы. Такой подход позволяет извлечь еще больше полезной информации.

Рассчитаем доверительные интервалы для средней при 9 и 25 наблюдениях. Для этого воспользуемся функцией Excel ДОВЕРИТ.СТЬЮДЕНТ. Здесь, как ни странно, все довольно просто. В аргументах функции нужно указать только уровень значимости α, стандартное отклонение по выборке и размер выборки. На выходе получим полуширину доверительного интервала, то есть значение которое нужно отложить по обе стороны от средней. Проведя расчеты и нарисовав наглядную диаграмму, получим следующее.

Как видно, при выборке в 9 наблюдений значение 50 попадает в доверительный интервал (гипотеза не отклоняется), а при 25-ти наблюдениях не попадает (гипотеза отклоняется). При этом в эксперименте с 25-ю мешками можно утверждать, что с вероятностью 97,5% генеральная средняя превышает 50,1 кг (нижняя граница доверительного интервала равна 50,094кг). А это довольно ценная информация.

Таким образом, мы решили одну и ту же задачу тремя способами:

1. Древним подходом, сравнивая расчетное и табличное значение t-критерия
2. Более современным, рассчитав p-value, добавив степень уверенности при отклонении гипотезы.
3. Еще более информативным, рассчитав доверительный интервал и получив минимальное значение генеральной средней.

Важно помнить, что t-критерий относится к параметрическим методам, т.к. основан на нормальном распределении (у него два параметра: среднее и дисперсия). Поэтому для его успешного применения важна хотя бы приблизительная нормальность исходных данных и отсутствие выбросов.

Напоследок предлагаю видеоролик о том, как рассчитать критерий Стьюдента и проверить гипотезу о генеральной средней в Excel.

Иногда просят объяснить, как делаются такие наглядные диаграммы с распределением. Ниже можно скачать файл, где проводились расчеты для этой статьи.

Скачать файл с примером.

Всего доброго, будьте здоровы.

Поделиться в социальных сетях:

Опубликовать на Помидоре

Привлечь внимание читателей
Добавить в список   “Рекомендуем прочитать”.

Анонс.
Вы никогда не задумывались, для чего нужна формула a=V/t?
Имейте в виду, что физика наука точная и объяснения должны быть конкретными и точными.
Эта формула не имеет физического смысла.
По ней нельзя рассчитать ускорение.
Этой формулой никто не пользуется.
Тогда зачем и кому эта формула нужна?
Оказывается эта формула очень и очень нужна для запутывания физики и одурачивания людей. 2/2.

Скорость и ускорение в “современной” физике.
1. Общее для теоретической физики.
Для запутывания физики научная мафия делает всё возможное. Самый приглянувшийся ей путь – это как можно больше применять математику, но не для конкретных расчётов, собственно, для чего и нужна математика, а для манипулирования буквенными обозначениями. Будет это иметь физический смысл или нет их это не интересует. А школьники и студенты пускай зубрят то, что будет в учебниках.

С помощью математики (математического алгоритма) доказать ничего невозможно. С помощью математики можно только произвести конкретные расчёты. Доказать что-то в физике можно только с помощью эксперимента. Однако и тут могут подстерегать неприятности. Как показывает практика эксперименты не всегда честные, да и объяснения (трактовка) производится под ”нужную“ теорию.
2. Теперь конкретно о скорости и ускорении.
Все думают, что понимают, что такое скорость и ускорение. Сейчас проверим.
При выводе формулы E=mV^2/2 использовалась ошибочная формула a=V/t,
где V – скорость, а t – время. 2
Формула a=V/t ошибочна. Она не имеет физического смысла.
Ускорение – это характеристика скорости на каком-то определённом участке пути. Вот как выглядит формула для ускорения a=(Vк-Vн)/t. Формула a=V/t не имеет физического смысла.
Скорость – это усреднённая характеристика и, соответственно, постоянная величина.
Представьте себе, что машина или поезд едут со скоростью V=70км/час.
Если Вы поделите скорость V=70км/час на время t то:
— во-первых, что Вы хотите этим узнать?
— во-вторых, на какую величину времени t=? Вы собираетесь делить?
— в-третьих, формула a=V/t не имеет физического смысла.
Вы представляете, какая чушь получается, когда, не думая, применяют математику в виде буквенных обозначений. Ведь математика – это наука для конкретных расчётов, а не для манипулирования буквенными обозначениями физических величин.
Итак, Вы поняли отличие ошибочной формулы a=V/t от правильной формулы для ускорения
a=(Vк-Vн)/t,
где a – ускорение,
Vк – конечная скорость,
Vн – начальная скорость. 2/2, у которой всё перепутано (энергия, мощность и размерность).
Что из рассмотренного примера получается?
Оказывается, что выражение dV/dt также не имеет физического смысла.
Скорость величина постоянная, а дифференциал от постоянной величины будет ноль.
Представляете сколько разного рода чепухи горе-физики-математики нагородили в бедной теоретической физике, дифференцируя скорость.
Теперь задумайтесь над причиной: почему Вы этого не замечали?

Используемые источники:
1. Николаев С.А. “Эволюционный круговорот материи во Вселенной”. 6-ое издание,
СПб, 2010 г., 320 с.
2. Николаев С.А. ”Ошибочный перевод Эйлера законов Ньютона“. СПб, 2011 г., 44

09.09.2017

Все права на эту публикацую принадлежат автору и охраняются законом.

Формула t-теста | Как рассчитать критерий Стьюдента с примерами и шаблоном Excel

Примеры

Калькулятор

В статистике термин «критерий Стьюдента» относится к проверке гипотезы, в которой статистика теста соответствует t-распределению Стьюдента. Это проверка того, существенно ли отличаются два набора данных друг от друга или нет. Проще говоря, t-тест похож на инструмент, который мы используем, чтобы проверить, действительно ли две группы данных отличаются друг от друга или они просто отличаются случайно. Таким образом, это помогает определить, является ли разница реальной или случайной.

Одним из вариантов t-критерия является одновыборочный t-критерий. Он определяет, значительно ли отличается выборка от генеральной совокупности. Формула одновыборочного t-критерия выражается с использованием наблюдаемого среднего значения выборки; теоретическое среднее значение генеральной совокупности, стандартное отклонение выборки и размер выборки. Математически это представляется как

t = (x̄ – μ) / (s / √n)

, где

• x̄ = наблюдаемое среднее значение выборки
• мкм = Теоретическое среднее значение населения
• s = Стандартное отклонение выборки
• n = Размер выборки

Если необходимо сравнить статистику двух выборок, необходимо использовать t-тест для двух выборок. Его формула выражается с использованием соответствующих выборочных средних, выборочных стандартных отклонений и размеров выборки. Математически это представляется как:

t = ( x̄ ₁ – x̄ ₂ ) / √ [(s ² ₁  / п ₁ ) + (с ² ₂ / п ₂ )]

где = наблюдаемое среднее значение 1 ^st Sample

x̄ ₂  = Наблюдаемое среднее значение 2 ^nd Образец

s ₁  = стандартное отклонение 1 ^st Образец

s ₂ = стандартное отклонение 2 ^nd Образец

n  ₁  = Размер 1 ^st Образец

n ₂ = Размер 2 ^nd Образец

Примеры формулы t-теста (с шаблоном Excel)

Давайте рассмотрим пример, чтобы лучше понять расчет формулы t-теста.

Вы можете скачать этот шаблон Excel с формулой t-теста здесь — Шаблон Excel с формулой t-теста

Формула t-теста — пример № 1

Давайте возьмем в качестве примера класс учащихся, которые недавно пришли на тест. Из 150 студентов была выбрана выборка в 10 человек. Рассчитайте показатель t-критерия выборки, если средний балл всего класса равен 78, а средний балл выборки равен 74 со стандартным отклонением 3,5. Кроме того, прокомментируйте, существенно ли отличаются статистические данные выборки от генеральной совокупности на уровне 9.9,5% доверительный интервал.

Решение:

Значение t-теста вычисляется по формуле, приведенной ниже: 003

• t = (74 – 78) / (3,5 / √10)
• т = -3,61

Следовательно, абсолютное значение t-критерия выборки равно 3,61, что меньше критического значения (3,69) при доверительном интервале 99,5% со степенью свободы 9. Таким образом, гипотеза выборочной статистики отличается от генеральной и может быть отвергнута.

Формула t-критерия – пример № 2

Давайте рассмотрим пример двух выборок, чтобы проиллюстрировать концепцию двухвыборочного t-критерия. Две выборки имеют средние значения 10 и 12, стандартные отклонения 1,2 и 1,4 и размеры выборки 17 и 15. Определите, различаются ли статистические данные выборки при доверительном интервале 99,5%.

Решение:

Значение t-теста рассчитывается по формуле, приведенной ниже 052 2 ₂ / n ₂ )]

• t = (10 – 12) /√ [(1,2 ²   2  / 15)]
• т = -4,31

Таким образом, абсолютное значение t-критерия равно 4,31, что больше критического значения (3,03) при 99,5% доверительный интервал со степенью свободы 30. Таким образом, гипотезу о том, что статистика двух выборок существенно различается, нельзя отвергнуть.

Объяснение

Формулу для одновыборочного t-критерия можно получить, выполнив следующие шаги:

Шаг 1: Определите наблюдаемое выборочное среднее и заданные теоретические средние значения генеральной совокупности. Среднее значение выборки и среднее значение генеральной совокупности обозначаются x̄ и μ соответственно.

Шаг 2: Далее определяют стандартное отклонение выборки, и оно обозначается с.

Шаг 3: Затем определите размер выборки, то есть количество точек данных в выборке. Обозначается н.

Шаг 4: Наконец, формулу для одновыборочного t-критерия можно вывести, используя наблюдаемое выборочное среднее (шаг 1), теоретическое среднее значение генеральной совокупности (шаг 1), выборочное стандартное отклонение (шаг 2) и размер выборки (шаг 3), как показано ниже.

т = (  x̄ – μ) / (s / √n)

Формулу для двухвыборочного t-критерия можно вывести, используя следующие шаги:

Шаг 1: Определить наблюдаемое выборочное среднее два образца на рассмотрении. Средние значения выборки обозначены x̄ ₁ и x̄ ₂ .

Шаг 2: Затем определите стандартное отклонение двух выборок, которые обозначены и.

Шаг 3: Далее определите размер двух выборок, которые обозначены и.

Шаг 4: Наконец, формулу для двухвыборочного t-критерия можно вывести, используя наблюдаемые средние выборки (шаг 1), стандартные отклонения выборки (шаг 2) и размеры выборки (шаг 3), как показано ниже.

t = ( x̄ ₁ – x̄ ₂ ) / √ [(s ² ₁  / n  ₁  ) + 2 (s 29005  / п  ₂  )]

Актуальность и использование формулы t-критерия

Статистику необходимо понимать концепцию t-критерия, поскольку он имеет большое значение при получении убедительных доказательств того, имеют ли два набора данных статистику, которая не сильно отличается. Этот тест выполняется для проверки достоверности нулевой гипотезы на основе критического значения при заданном доверительном интервале и степени свободы. Однако обратите внимание, что t-критерий Стьюдента применим для набора данных с размером выборки менее 309.0003

Калькулятор формулы t-теста

Вы можете использовать следующий калькулятор формулы t-теста

70293

x̄
μ
с
9 295 √n
Формула t-теста Формула теста =	(x̄ – μ) / (с / √n)
	(0 – 0) / (0 / 0) =	0

Рекомендуемые статьи

Это руководство по формуле t-критерия. Здесь мы обсудили, как рассчитать t-тест, а также практические примеры. Мы также предоставили калькулятор формулы t-теста с загружаемым шаблоном Excel. Вы также можете прочитать следующие статьи, чтобы узнать больше –

1. Как рассчитать номинальную процентную ставку?
2. Примеры процентных расходов
3. Расчет чистой процентной маржи
4. Проценты против дивидендов | 8 ключевых отличий, которые вы должны знать

Мыло для бритья Formula T – продукты для влажного бритья

Перейти к содержимому

Formula T не для слабонервных.