终于把t-检验的事情搞明白了

也不是大学没学过,概率论与数理统计下册的假设检验那一章的一开始,最最基本的问题,参数假设检验中的数学期望检验问题,讲的就是这个。但是我当时看书的时候不仔细,只知道有这么一个方法,没看见末尾写了一句“这是t检验法”。

昨天的计算结果没错。用Maple算t检验的时候,默认是不假设2个总体的方差一致,加上一个选项后,结果就和我算出来的一样了

> data := [50, 200, 150, 400, 750, 400, 150];
> data2 := [150, 400, 720, 500, 930];

> TwoSampleTTest(data, data2, 0, confidence = .95, equalvariances = true);
Standard T-Test on Two Samples (Equal Variances)



Null Hypothesis:
Sample drawn from populations with difference of means equal to 0
Alt. Hypothesis:
Sample drawn from population with difference of means not equal to 0

Sample sizes: 7, 5
Sample means: 300, 540
Sample standard devs.: 238.048, 299.082
Difference in means: -240
Distribution: StudentT(10)
Computed statistic: -1.55163
Computed pvalue: 0.151797
Confidence interval: -584.6388844 .. 104.6388844
(difference of population means)

看起来很复杂的东西,我们课本,就用了2页半的32K的纸,就把方差一致的t检验、不假设方差一致的t检验、配对t检验全讲完了。真是言简意赅啊

此博客中的热门博文

在windows下使用llvm+clang

少写代码,多读别人写的代码

tensorflow distributed runtime初窥