下表是学生t分布数据的汇编。无论何时使用t分布,都可以参考类似于此的表格来执行计算。该分布类似于标准正态分布或钟形曲线,但表格的排列方式与钟形曲线表格不同。下表提供了一个尾部特定区域(沿表顶部列出)和自由度(沿表侧面列出)的临界t值。自由度范围从1到30,最下面一行“大”表示几千个自由度。
一个简单的例子将说明下表的使用。假设我们有一个大小为11的简单随机样本。这意味着我们将以11-1=10个自由度来参考行。沿着桌子的顶部,我们有不同程度的重要性。假设我们的显著性水平为1%。这相当于0.01。该行中具有10个自由度的这列给出了临界值2.76377。
这意味着为了拒绝零假设,我们需要一个超过2.76377这个值的t统计量。否则,我们将无法拒绝无效假设。
T | 0.40 | 0.25 | 0.10 | 0.05 | 0.025 | 0.01 | 0.005 | 0.0005 |
1. | 0.324920 | 1 | 3.077684 | 6.313752 | 12.70620 | 31.82052 | 63.65674 | 636.6192 |
2. | 0.288675 | 0.816497 | 1.885618 | 2.919986 | 4.30265 | 6.96456 | 9.92484 | 31.5991 |
3. | 0.276671 | 0.764892 | 1.637744 | 2.353363 | 3.18245 | 4.54070 | 5.84091 | 12.9240 |
4. | 0.270722 | 0.740697 | 1.533206 | 2.131847 | 2.77645 | 3.74695 | 4.60409 | 8.6103 |
5. | 0.267181 | 0.726687 | 1.475884 | 2.015048 | 2.57058 | 3.36493 | 4.03214 | 6.8688 |
6. | 0.264835 | 0.717558 | 1.439756 | 1.943180 | 2.44691 | 3.14267 | 3.70743 | 5.9588 |
7. | 0.263167 | 0.711142 | 1.414924 | 1.894579 | 2.36462 | 2.99795 | 3.49948 | 5.4079 |
8. | 0.261921 | 0.706387 | 1.396815 | 1.859548 | 2.30600 | 2.89646 | 3.35539 | 5.0413 |
9 | 0.260955 | 0.702722 | 1.383029 | 1.833113 | 2.26216 | 2.82144 | 3.24984 | 4.7809 |
10 | 0.260185 | 0.699812 | 1.372184 | 1.812461 | 2.22814 | 2.76377 | 3.16927 | 4.5869 |
11 | 0.259556 | 0.697445 | 1.363430 | 1.795885 | 2.20099 | 2.71808 | 3.10581 | 4.4370 |
12 | 0.259033 | 0.695483 | 1.356217 | 1.782288 | 2.17881 | 2.68100 | 3.05454 | 4.3178 |
13 | 0.258591 | 0.693829 | 1.350171 | 1.770933 | 2.16037 | 2.65031 | 3.01228 | 4.2208 |
14 | 0.258213 | 0.692417 | 1.345030 | 1.761310 | 2.14479 | 2.62449 | 2.97684 | 4.1405 |
15 | 0.257885 | 0.691197 | 1.340606 | 1.753050 | 2.13145 | 2.60248 | 2.94671 | 4.0728 |
16 | 0.257599 | 0.690132 | 1.336757 | 1.745884 | 2.11991 | 2.58349 | 2.92078 | 4.0150 |
17 | 0.257347 | 0.689195 | 1.333379 | 1.739607 | 2.10982 | 2.56693 | 2.89823 | 3.9651 |
18 | 0.257123 | 0.688364 | 1.330391 | 1.734064 | 2.10092 | 2.55238 | 2.87844 | 3.9216 |
19 | 0.256923 | 0.687621 | 1.327728 | 1.729133 | 2.09302 | 2.53948 | 2.86093 | 3.8834 |
20 | 0.256743 | 0.686954 | 1.325341 | 1.724718 | 2.08596 | 2.52798 | 2.84534 | 3.8495 |
21 | 0.256580 | 0.686352 | 1.323188 | 1.720743 | 2.07961 | 2.51765 | 2.83136 | 3.8193 |
22 | 0.256432 | 0.685805 | 1.321237 | 1.717144 | 2.07387 | 2.50832 | 2.81876 | 3.7921 |
23 | 0.256297 | 0.685306 | 1.319460 | 1.713872 | 2.06866 | 2.49987 | 2.80734 | 3.7676 |
24 | 0.256173 | 0.684850 | 1.317836 | 1.710882 | 2.06390 | 2.49216 | 2.79694 | 3.7454 |
25 | 0.256060 | 0.684430 | 1.316345 | 1.708141 | 2.05954 | 2.48511 | 2.78744 | 3.7251 |
26 | 0.255955 | 0.684043 | 1.314972 | 1.705618 | 2.05553 | 2.47863 | 2.77871 | 3.7066 |
27 | 0.255858 | 0.683685 | 1.313703 | 1.703288 | 2.05183 | 2.47266 | 2.77068 | 3.6896 |
28 | 0.255768 | 0.683353 | 1.312527 | 1.701131 | 2.04841 | 2.46714 | 2.76326 | 3.6739 |
29 | 0.255684 | 0.683044 | 1.311434 | 1.699127 | 2.04523 | 2.46202 | 2.75639 | 3.6594 |
30 | 0.255605 | 0.682756 | 1.310415 | 1.697261 | 2.04227 | 2.45726 | 2.75000 | 3.6460 |
大的 | 0.253347 | 0.674490 | 1.281552 | 1.644854 | 1.95996 | 2.32635 | 2.57583 | 3.2905 |
...时间内(例如一天)出现一定数量错误的可能性。 学生的t 学生的T分布也很流行,因为它有一个稍微“胖尾巴”比正态分布。当我们的样本量很小(即小于30)时,通常使用学生的T。在金融学中,左尾代表损失。因此,如...
...的结果产生t值。然后将计算出的t值与从临界值表(称为t分布表)获得的值进行比较。这种比较有助于确定机会单独对差异的影响,以及差异是否超出了机会范围。t检验的问题是,两组之间的差异是否代表了研究中的真实差异...
什么是a t分布(a t distribution)? T分布,又称学生T分布,是一种概率分布,与正态分布相似,呈钟形,但尾部较重。与正态分布相比,T分布出现极值的几率更大,因此尾部更肥。 关键要点 当估计的标准差用于分母而不是真正...
...一个高度倾斜的“长尾”到右边的平均数。 对于初学的学生来说,这往往会导致潜在的混乱: 价格回报是正态分布的。 价格水平是对数正态分布。 可以这样想:一只股票的回报率可以上升或下降5%或10%,但经过一段时间...
...种统计假设检验,如果零假设得到支持,检验统计量遵循学生的t分布。当检验统计量服从正态分布且检验统计量中标度项的值已知时,应用此检验。如果标度项未知,则将其替换为基于可用数据的估计值。测试统计将遵循学生...
方差分析与T检验 T检验,有时称为学生T检验,当你想比较两组的平均数,看他们是否彼此不同时进行。它主要用于当一个随机分配是给定的,只有两个,不超过两个,集比较。在进行T检验时,需要满足一些条件,这样才能得...
...症患者和未患癌症的患者或受试者。这样的测试也被称为学生的t-测试,其中两个受试者群体之间的差异是相等的。因此,配对测试,是对两组正态分布的受试者的平均值相等而未配对测试的零假设的检验,即在同一单位中测量...
学生通常直接进行假设检验,而不是先用摘要统计和图表调查数据。鼓励他们先总结数据。除了总结他们的结果,图表还可以显示异常值和模式。对于连续正态分布数据,使用平均值和标准差进行总结。如果数据有偏差或存在有...
...的问题,Z检验是最好的。比较参数T检验Z-检验分配类型学生t分布正态分布总体方差适用于未知总体方差。适用于已知的总体方差。样本量样本量小。样本量大。关键假设所有数据点都是假设的,而不是依赖的。假设所有数据点...
...两种均值之间的区别。非配对T检验,也称为独立T检验或学生T检验,用于确定不同/不相关受试者的两组平均数。方差齐性配对T检验两组均值的方差不相等。在非配对T检验下,两组均值的方差相等。影响/影响配对T检验处理非常...