双正态总体假设检验

双正态总体假设检验一、背景在统计学中，双正态总体假设检验是指对两个正态总体均值之差进行假设检验，即：$H_0:\\mu_1-\\mu_2=0$$H_1:\\mu_1-\\mu_2\eq0$其中，$\\mu_1$和$\\mu_2$分别为两个总体的均值。这个检验适用于两个样本均满足正态分布，并且方差相等或未知但相等的情况。在实际应用中，双正态总体假设检验常被用于比较两个样本的均值是否存在显著差异，例如比较两种药物的疗效、两个城市的空气污染水平等。二、检验方法双正态总体假设检验的方法分为两种，一种是假设方差相等，另一种是假设方差不相等。1.方差相等当两个总体的方差相等时，可以使用“t检验”(t-test)进行假设检验。设两个样本分别为x1,x2,...,xn$t=\\frac{\\bar{x}-\\bar{y}}{s_p\\sqrt{\\frac{1}{n_1}+\\frac{1}{n_2}}}$其中，sp为两个样本的“合并标准差”$s_p=\\sqrt{\\frac{(n_1-1)s_1^2+(n_2-1)s_2^2}{n_1+n_2-2}}$做出假设检验的步骤如下：设定显著性水平α，一般情况下取0.05或0.01。计算t值。根据查找t分布表或使用统计软件，得到自由度为n1+n如果$t_{\\alpha/2}<-|t|$或$t_{\\alpha/2}>|t|$，则拒绝原假设H02.方差不相等当两个总体的方差不相等时，可以使用“Welch’st-test”，也称为“不等方差t检验”。它的计算公式比方差相等情况下复杂了一些，具体如下：$t=\\frac{\\bar{x}-\\bar{y}}{\\sqrt{\\frac{s_1^2}{n_1}+\\frac{s_2^2}{n_2}}}$自由度的计算公式为：$\\text{df}=\\frac{(\\frac{s_1^2}{n_1}+\\frac{s_2^2}{n_2})^2}{\\frac{(s_1^2/n_1)^2}{n_1-1}+\\frac{(s_2^2/n_2)^2}{n_2-1}}$做出假设检验的步骤与方差相等情况下基本类似。需要注意的是，在方差不相等的情况下，t分布的自由度不是简单地n1三、例子假设一个综合性医院在2019年和2020年分别对100位病人进行了肺结核的治疗，并对治疗后进行了跟踪随访，得到了两个样本。现在想要比较两年份治疗的平均疗效是否存在显著差异。对于这个问题，我们可以使用双正态总体假设检验来解决。数据如下表所示：年份样本量平均治疗效果标准差2019年10080152020年1008517假设方差相等，我们先计算sp和t$s_p=\\sqrt{\\frac{(100-1)\\times15^2+(100-1)\\times17^2}{100+100-2}}=16.38$$t=\\frac{80-85}{16.38\\times\\sqrt{\\frac{1}{100}+\\frac{1}{100}}}=-2.42$自由度为198，α取0.05时，查找t分布表得到t0.025=−1.96，由于假设方差不相等，我们再计算Welch’st-test的t值和自由度：$t=\\frac{80-85}{\\sqrt{\\frac{15^2}{100}+\\frac{17^2}{100}}}=-2.37$$\\text{df}=\\frac{(\\frac{15^2}{100}+\\frac{17^2}{100})^2}{\\frac{(15^2/100)^2}{99}+\\frac{(17^2/100)^2}{99}}=194.96$α取0.05时，查找t分布表得到t0.025=−1.97，由于四、注意事项在使用双正态总体假设检验时，需要注意以下事项：样本大小要足够大，建议每个样本至少有30个观测值。两个样本的分布要符合正态分布，否则结果可能不可靠。如果样本方差未知，则需要进行修正，一般使用t分布进行近似。此检验只适用于两个总体的均值之差，不适用于其他参数的比较。α的值通常取0.05或0.01，具体取值要根据实际情况确定。五、结论双正态总体假设检验是比较两个正态分布样本均值差异的一种方法，可以用于比较两种药物、两个城市等的疗效或空