Критерий Стьюдента

Материал из MachineLearning.

(Различия между версиями)

Версия 15:09, 12 августа 2008

Содержание

1 Сравнение выборочного среднего с заданным значением
2 Сравнение двух выборочных средних при известных дисперсиях
3 Сравнение двух выборочных средних при неизвестных равных дисперсиях
4 Сравнение двух выборочных средних при неизвестных неравных дисперсиях
5 Сравнение двух выборочных средних в связанных выборках
6 История
7 Литература
8 Ссылки

t-критерий Стьюдента — общее название для статистических тестов, в которых статистика критерия имеет распределение Стьюдента. Наиболее часто t-критерии применяются для проверки равенства средних значений в двух нормальных выборках.

Все разновидности критерия Стьюдента являются параметрическими и основаны на дополнительном предположении о нормальности выборки данных. Поэтому перед применением критерия Стьюдента рекомендуется выполнить проверку нормальности.

Сравнение выборочного среднего с заданным значением

Задана выборка $x^m = (x_1,\ldots,x_m),\; x_i \in \mathbb{R}$ .

Дополнительное предположение: выборка нормальна.

Нулевая гипотеза $H_0:\; \bar x = \mu$ (выборочное среднее равно заданному числу $\mu$ ).

Статистика критерия:

$\displaystyle t = \frac{(\bar x - \mu)\sqrt{m}}{s}$

имеет распределение Стьюдента с $m-1$ степенями свободы, где

$\displaystyle \bar x = \frac1m \sum_{i=1}^m x_i$ — выборочное среднее,

$\displaystyle s^2 = \frac1{m-1} \sum_{i=1}^m \left( x_i - \bar x \right)^2$ — выборочная дисперсия.

Критерий (при уровне значимости $\alpha$ ):

против альтернативы $H_1:\; \bar x \neq \mu$

если $|t| > t_{\alpha/2}$ , то нулевая гипотеза отвергается;

против альтернативы $H'_1:\; \bar x < \mu$

если $t < t_{\alpha}$ , то нулевая гипотеза отвергается;

против альтернативы $H''_1:\; \bar x > \mu$

если $t > t_{1-\alpha}$ , то нулевая гипотеза отвергается;

где $t_{\alpha}$ есть $\alpha$ -квантиль распределения Стьюдента с $m-1$ степенями свободы.

Сравнение двух выборочных средних при известных дисперсиях

Заданы две выборки $x^m = (x_1,\ldots,x_m),\; x_i \in \mathbb{R};\;\; y^n = (y_1,\ldots,y_n),\; y_i \in \mathbb{R}$ .

Дополнительные предположения:

обе выборки нормальны;
значения дисперсий $\sigma^2_x,\, \sigma^2_y$ известны априори; это означает, что дисперсии были оценены заранее не по этим выборкам, а исходя из какой-то другой информации; случай «неизвестных дисперсий», когда такого источника информации нет и дисперсии приходится оценивать по самим выборкам, описан ниже.

Нулевая гипотеза $H_0:\; \bar x = \bar y$ (средние в двух выборках равны).

Статистика критерия:

$z = (\bar x - \bar y) \left( \frac{\sigma^2_x}{m} +\frac{\sigma^2_y}{n} \right)^{-1/2}$

имеет стандартное нормальное распределение $\mathcal{N}(0,1)$ , где

$\displaystyle \bar x = \frac1m \sum_{i=1}^m x_i,\;\; \bar y = \frac1n \sum_{i=1}^n y_i$ — выборочные средние.

Критерий (при уровне значимости $\alpha$ ):

против альтернативы $H_1:\; \bar x \neq \bar y$

если $|z| > \Phi_{\alpha/2}$ , то нулевая гипотеза отвергается;

против альтернативы $H'_1:\; \bar x < \bar y$

если $z < \Phi_{\alpha}$ , то нулевая гипотеза отвергается;

против альтернативы $H''_1:\; \bar x > \bar y$

если $z > \Phi_{1-\alpha}$ , то нулевая гипотеза отвергается;

где $\Phi_{\alpha}$ есть $\alpha$ -квантиль стандартного нормального распределения.

Сравнение двух выборочных средних при неизвестных равных дисперсиях

Заданы две выборки $x^m = (x_1,\ldots,x_m),\; x_i \in \mathbb{R};\;\; y^n = (y_1,\ldots,y_n),\; y_i \in \mathbb{R}$ .

Дополнительные предположения:

обе выборки нормальны;
значения дисперсий равны: $\sigma^2_x = \sigma^2_y$ , но априори не известны.

Нулевая гипотеза $H_0:\; \bar x = \bar y$ (средние в двух выборках равны).

Статистика критерия:

$t = \left( \frac{\bar x - \bar y}{s} \right) \sqrt{ \frac{mn}{m+n} }$

имеет распределение Стьюдента с $m+n-2$ степенями свободы, где

$\displaystyle s_x^2 = \frac1{m-1} \sum_{i=1}^m \left( x_i - \bar x \right)^2,\;\; s_y^2 = \frac1{n-1} \sum_{i=1}^n \left( y_i - \bar y \right)^2$ — выборочные дисперсии;

$\displaystyle s^2 = \frac{(m-1)s_x^2+(n-1)s_y^2}{m+n-2}$ ;

$\displaystyle \bar x = \frac1m \sum_{i=1}^m x_i,\;\; \bar y = \frac1n \sum_{i=1}^n y_i$ — выборочные средние.

Критерий (при уровне значимости $\alpha$ ):

против альтернативы $H_1:\; \bar x \neq \bar y$

если $|z| > t_{\alpha/2}$ , то нулевая гипотеза отвергается;

против альтернативы $H'_1:\; \bar x < \bar y$

если $z < t_{\alpha}$ , то нулевая гипотеза отвергается;

против альтернативы $H''_1:\; \bar x > \bar y$

если $z > t_{1-\alpha}$ , то нулевая гипотеза отвергается;

где $t_{\alpha}$ есть $\alpha$ -квантиль распределения Стьюдента с $m+n-2$ степенями свободы.

Сравнение двух выборочных средних при неизвестных неравных дисперсиях

Задача сравнения средних двух нормально распределённых выборок при неизвестных и неравных дисперсиях известна как проблема Беренса-Фишера. Точного решения этой задачи до настоящего времени нет. На практике используются различные приближения.

Заданы две выборки $x^m = (x_1,\ldots,x_m),\; x_i \in \mathbb{R};\;\; y^n = (y_1,\ldots,y_n),\; y_i \in \mathbb{R}$ .

Дополнительное предположение: обе выборки нормальны.

Нулевая гипотеза $H_0:\; \bar x = \bar y$ (средние в двух выборках равны).

Статистика критерия:

$t = \frac{\bar x - \bar y}{s}$

где

$\displaystyle s_x^2 = \sum_{i=1}^m \left( x_i - \bar x \right)^2,\;\; s_y^2 = \frac1{n-1} \sum_{i=1}^n \left( y_i - \bar y \right)^2$ — выборочные дисперсии;

$\displaystyle s^2 = \frac1m s_x^2 + \frac1n s_y^2$ ;

$\displaystyle \bar x = \frac1m \sum_{i=1}^m x_i,\;\; \bar y = \frac1n \sum_{i=1}^n y_i$ — выборочные средние.

Критерий (при уровне значимости $\alpha$ ):

против альтернативы $H_1:\; \bar x \neq \bar y$

если $t > t'_{\alpha/2}$ , то нулевая гипотеза отвергается;

против альтернативы $H'_1:\; \bar x < \bar y$

если $t < t'_{\alpha}$ , то нулевая гипотеза отвергается;

против альтернативы $H''_1:\; \bar x > \bar y$

если $t > t'_{1-\alpha}$ , то нулевая гипотеза отвергается;

где

$t'_{\alpha} = \frac{\nu_x t_{\alpha}(m-1) + \nu_y t_{\alpha}(n-1)}{\nu_x+\nu_y},\; \nu_x=\frac{s_x^2}m,\; \nu_y=\frac{s_y^2}n$ ;

$t_{\alpha}(f)$ есть $\alpha$ -квантиль распределения Стьюдента с $f$ степенями свободы.

Сравнение двух выборочных средних в связанных выборках

История

Критерий был разработан Уильямом Госсеттом для оценки качества пива на пивоваренных заводах Гиннесса в Дублине (Ирландия). В связи с обязательствами перед компанией по неразглашению коммерческой тайны (руководство Гиннесса считало таковой использование статистического аппарата в своей работе), статья Госсетта вышла в 1908 году в журнале «Биометрика» под псевдонимом «Student» (Студент).

Литература

Кобзарь А. И. Прикладная математическая статистика. — М.: Физматлит, 2006.

Ссылки

Проверка статистических гипотез — о методологии проверки статистических гипотез.
Статистика (функция выборки)
Student's t-test — статья в англоязычной Википедии.
t-критерий Стьюдента — статья в русской Википедии.

Это незавершённая статья. Вы поможете проекту, исправив и дополнив её.

Источник — «http://machinelearning.ru/wiki/index.php?title=%D0%9A%D1%80%D0%B8%D1%82%D0%B5%D1%80%D0%B8%D0%B9_%D0%A1%D1%82%D1%8C%D1%8E%D0%B4%D0%B5%D0%BD%D1%82%D0%B0»

Категории: Незавершённые статьи | Статистические тесты | Параметрические статистические тесты | Популярные и обзорные статьи

@@ Строка 1: / Строка 1: @@
 {{TOCright}}
-'''t-Критерий Стьюдента''' — общее название для [[статистический тест|статистических тестов]]), в которых статистика критерия имеет [[распределение Стьюдента]]. Наиболее часто t-критерии применяются для проверки равенства средних значений в двух нормальных [[выборка]]х.
+'''t-критерий Стьюдента''' — общее название для [[статистический тест|статистических тестов]], в которых статистика критерия имеет [[распределение Стьюдента]]. Наиболее часто t-критерии применяются для проверки равенства средних значений в двух нормальных [[выборка]]х.
-Все разновидности критерия Стьюдента являются параметрическими и основаны на дополнительном предположении о нормальности выборки данных. Поэтому перед применением критерия Стьюдента рекомендуется выполнить проверку нормальности.
+Все разновидности критерия Стьюдента являются параметрическими и основаны на дополнительном предположении о нормальности выборки данных. Поэтому перед применением критерия Стьюдента рекомендуется выполнить [[Критерии нормальности|проверку нормальности]].
 == Сравнение выборочного среднего с заданным значением ==
 Задана выборка <tex>x^m = (x_1,\ldots,x_m),\; x_i \in \mathbb{R}</tex>.
-Дополнительное предположение: выборка нормальна.
+'''Дополнительное предположение:''' выборка нормальна.
-Нулевая гипотеза <tex>H_0:\; \bar x = \mu</tex> (среднее равно <tex>\mu</tex>).
+'''Нулевая гипотеза''' <tex>H_0:\; \bar x = \mu</tex> (выборочное среднее равно заданному числу <tex>\mu</tex>).
-Статистика критерия:
+'''Статистика критерия:'''
 ::<tex>\displaystyle t = \frac{(\bar x - \mu)\sqrt{m}}{s}</tex>
 имеет [[распределение Стьюдента]] с  <tex>m-1</tex> степенями свободы,
@@ Строка 19: / Строка 20: @@
 ::<tex>\displaystyle s^2  = \frac1{m-1} \sum_{i=1}^m \left( x_i - \bar x \right)^2</tex> — выборочная дисперсия.
-Критерий (при [[уровень значимости|уровне значимости]] <tex>\alpha</tex>):
+'''Критерий''' (при [[уровень значимости|уровне значимости]] <tex>\alpha</tex>):
 * против альтернативы <tex>H_1:\; \bar x \neq \mu</tex>
@@ Строка 33: / Строка 34: @@
 == Сравнение двух выборочных средних при известных дисперсиях ==
-Заданы две выборки <tex>x^m = (x_1,\ldots,x_m),\; x_i \in \mathbb{R};\; y^n = (y_1,\ldots,y_n),\; y_i \in \mathbb{R}</tex>.
-Дополнительные предположения:
+Заданы две выборки <tex>x^m = (x_1,\ldots,x_m),\; x_i \in \mathbb{R};\;\; y^n = (y_1,\ldots,y_n),\; y_i \in \mathbb{R}</tex>.
+'''Дополнительные предположения:'''
 * обе выборки нормальны;
-* значения дисперсий <tex> \sigma^2_x,\, \sigma^2_y </tex> известны априори; это означает, что дисперсии были оценены заранее не по этим выборкам, а исходя из какой-то другой информации; случай, когда такого источника информации нет и дисперсии приходится оценивать по самим выборкам, описан [[#Сравнение двух выборочных средних при неизвестных неравных дисперсиях|ниже]].
+* значения дисперсий <tex> \sigma^2_x,\, \sigma^2_y </tex> известны априори; это означает, что дисперсии были оценены заранее не по этим выборкам, а исходя из какой-то другой информации; случай «неизвестных дисперсий», когда такого источника информации нет и дисперсии приходится оценивать по самим выборкам, [[#Сравнение двух выборочных средних при неизвестных неравных дисперсиях|описан ниже]].
-Нулевая гипотеза <tex>H_0:\; \bar x = \bar y</tex> (средние в двух выборках равны).
+'''Нулевая гипотеза''' <tex>H_0:\; \bar x = \bar y</tex> (средние в двух выборках равны).
-Статистика критерия:
+'''Статистика критерия:'''
-::<tex>z = (\bar x - \bar y) \left( \frac{\sigma^2_x}{m} +\frac{\sigma^2_y}{n} \right)^{-1/2}</tex>,
+::<tex>z = (\bar x - \bar y) \left( \frac{\sigma^2_x}{m} +\frac{\sigma^2_y}{n} \right)^{-1/2}</tex>
 имеет стандартное [[нормальное распределение]] <tex>\mathcal{N}(0,1)</tex>,
 где
-::<tex>\displaystyle \bar x = \frac1m \sum_{i=1}^m x_i,\; \bar y = \frac1n \sum_{i=1}^n y_i</tex> — выборочные средние.
+::<tex>\displaystyle \bar x = \frac1m \sum_{i=1}^m x_i,\;\; \bar y = \frac1n \sum_{i=1}^n y_i</tex> — выборочные средние.
-Критерий (при [[уровень значимости|уровне значимости]] <tex>\alpha</tex>):
+'''Критерий''' (при [[уровень значимости|уровне значимости]] <tex>\alpha</tex>):
 * против альтернативы <tex>H_1:\; \bar x \neq \bar y</tex>
@@ Строка 62: / Строка 64: @@
 == Сравнение двух выборочных средних при неизвестных равных дисперсиях ==
+Заданы две выборки <tex>x^m = (x_1,\ldots,x_m),\; x_i \in \mathbb{R};\;\; y^n = (y_1,\ldots,y_n),\; y_i \in \mathbb{R}</tex>.
+'''Дополнительные предположения:'''
+* обе выборки нормальны;
+* значения дисперсий равны: <tex> \sigma^2_x = \sigma^2_y </tex>, но априори не известны.
+'''Нулевая гипотеза''' <tex>H_0:\; \bar x = \bar y</tex> (средние в двух выборках равны).
+'''Статистика критерия:'''
+::<tex>t = \left( \frac{\bar x - \bar y}{s} \right) \sqrt{ \frac{mn}{m+n} }</tex>
+имеет [[распределение Стьюдента]] с  <tex>m+n-2</tex> степенями свободы,
+где
+::<tex>\displaystyle s_x^2  = \frac1{m-1} \sum_{i=1}^m \left( x_i - \bar x \right)^2,\;\; s_y^2  = \frac1{n-1} \sum_{i=1}^n \left( y_i - \bar y \right)^2</tex> — выборочные дисперсии;
+::<tex>\displaystyle s^2  = \frac{(m-1)s_x^2+(n-1)s_y^2}{m+n-2}</tex>;
+::<tex>\displaystyle \bar x = \frac1m \sum_{i=1}^m x_i,\;\; \bar y = \frac1n \sum_{i=1}^n y_i</tex> — выборочные средние.
+'''Критерий''' (при [[уровень значимости|уровне значимости]] <tex>\alpha</tex>):
+* против альтернативы <tex>H_1:\; \bar x \neq \bar y</tex>
+::если <tex> |z| > t_{\alpha/2} </tex>, то нулевая гипотеза отвергается;
+* против альтернативы <tex>H'_1:\; \bar x < \bar y</tex>
+::если <tex> z < t_{\alpha} </tex>, то нулевая гипотеза отвергается;
+* против альтернативы <tex>H''_1:\; \bar x > \bar y</tex>
+::если <tex> z > t_{1-\alpha} </tex>, то нулевая гипотеза отвергается;
+где
+<tex> t_{\alpha} </tex> есть <tex>\alpha</tex>-[[квантиль]] распределения Стьюдента с <tex>m+n-2</tex> степенями свободы.
 == Сравнение двух выборочных средних при неизвестных неравных дисперсиях ==
+Задача сравнения средних двух нормально распределённых выборок при неизвестных и неравных дисперсиях известна как проблема Беренса-Фишера. Точного решения этой задачи до настоящего времени нет.  На практике используются различные приближения.
+Заданы две выборки <tex>x^m = (x_1,\ldots,x_m),\; x_i \in \mathbb{R};\;\; y^n = (y_1,\ldots,y_n),\; y_i \in \mathbb{R}</tex>.
+'''Дополнительное предположение:''' обе выборки нормальны.
+'''Нулевая гипотеза''' <tex>H_0:\; \bar x = \bar y</tex> (средние в двух выборках равны).
+'''Статистика критерия:'''
+::<tex>t = \frac{\bar x - \bar y}{s}</tex>
+где
+::<tex>\displaystyle s_x^2 = \sum_{i=1}^m \left( x_i - \bar x \right)^2,\;\; s_y^2  = \frac1{n-1} \sum_{i=1}^n \left( y_i - \bar y \right)^2</tex> — выборочные дисперсии;
+::<tex>\displaystyle s^2  = \frac1m s_x^2 + \frac1n s_y^2</tex>;
+::<tex>\displaystyle \bar x = \frac1m \sum_{i=1}^m x_i,\;\; \bar y = \frac1n \sum_{i=1}^n y_i</tex> — выборочные средние.
+'''Критерий''' (при [[уровень значимости|уровне значимости]] <tex>\alpha</tex>):
+* против альтернативы <tex>H_1:\; \bar x \neq \bar y</tex>
+::если <tex> t > t'_{\alpha/2} </tex>, то нулевая гипотеза отвергается;
+* против альтернативы <tex>H'_1:\; \bar x < \bar y</tex>
+::если <tex> t < t'_{\alpha} </tex>, то нулевая гипотеза отвергается;
+* против альтернативы <tex>H''_1:\; \bar x > \bar y</tex>
+::если <tex> t > t'_{1-\alpha} </tex>, то нулевая гипотеза отвергается;
+где
+::<tex> t'_{\alpha} = \frac{\nu_x t_{\alpha}(m-1) + \nu_y t_{\alpha}(n-1)}{\nu_x+\nu_y},\; \nu_x=\frac{s_x^2}m,\; \nu_y=\frac{s_y^2}n  </tex>;
+::<tex> t_{\alpha}(f) </tex> есть <tex>\alpha</tex>-[[квантиль]] распределения Стьюдента с <tex>f</tex> степенями свободы.
 == Сравнение двух выборочных средних в связанных выборках ==
 == История ==
-Критерий был разработан Уильямом Госсеттом для оценки качества пива на пивоваренных заводах [[Гиннесс]]а в Дублине (Ирландия). В&nbsp;связи с обязательствами перед компанией по неразглашению коммерческой тайны (руководство Гиннесса считало таковой использование статистического аппарата в своей работе), статья Госсетта вышла в 1908 году в журнале «Биометрика» под псевдонимом «Student» (Студент).
+Критерий был разработан Уильямом Госсеттом для оценки качества пива на пивоваренных заводах Гиннесса в Дублине (Ирландия). В&nbsp;связи с обязательствами перед компанией по неразглашению коммерческой тайны (руководство Гиннесса считало таковой использование статистического аппарата в своей работе), статья Госсетта вышла в 1908 году в журнале «Биометрика» под псевдонимом «Student» (Студент).

Критерий Стьюдента

Материал из MachineLearning.

Версия 15:09, 12 августа 2008

Содержание

Сравнение выборочного среднего с заданным значением

Сравнение двух выборочных средних при известных дисперсиях

Сравнение двух выборочных средних при неизвестных равных дисперсиях

Сравнение двух выборочных средних при неизвестных неравных дисперсиях

Сравнение двух выборочных средних в связанных выборках

История

Литература

Ссылки

Просмотры

Личные инструменты

Навигация

Поиск

Инструменты