学生 t 检验或 t 检验是用于确定两个样本的均值之间是否存在差异的统计方法。通常进行测试以查明实验中是否存在任何抽样错误或可能性。根据您的数据和结果需求，此 t 检验进一步分为 3 种类型。类型是：
- 一个样本 t 检验：这里将单个总体的平均值与已知平均值进行比较。
- 独立样本 t 检验：这里比较两个不同总体的平均值
- 配对样本 t 检验：此处同一组或总体的平均值在不同时间。
在本文中，我们将概述配对 t 检验：
什么是配对 t 检验?
配对 t 检验有助于数据分析比较取自同一数据集的两个均值，以确定差异是否为零。在配对 t 检验的统计过程中，也称为相关样本 t 检验，每个数据集说个人、单位或对象被测量两次，从而为配对 t 检验提供成对的观察结果。简而言之，此测试用于查找两个相同或相关组中因变量的均值是否相同。例如：在早餐前后测量一个人的体重。
它是如何工作的?
要进行配对 t 检验，您必须遵守配对 t 检验的以下假设：
- 数据的因变量应该是连续的(必须分为区间或比率级别或区间)
- 观察必须彼此独立，即应该进行随机数据样本。
- 配对 t 检验只能对相关样本或组实施。每个样本或组的主题必须相同。
- 配对 t 检验中使用的因变量数据必须没有异常值。
- 因变量应该是正态(近似)分布的。
遵循这些假设将帮助您找到更可靠的结果。
配对t检验公式：
在进入配对 t 检验的公式之前，您必须了解此检验所遵循的假设。配对 t 检验有两个相互竞争的假设，即原假设和备择假设。
原假设假设成对样本的均值之间的差值为零。相反，备择假设假设配对样本之间的平均差不为零。备择假设进一步具有基于低尾或高尾结果的扩展。
假设可以表示为：
零假设，H0 : u1 = u2 或 H0: u1 –u2 = 0
备择假设， H1 : u1 不等于 u2 或H1 : u1 – u2 不等于 0。
这里，
- U1是变量 1 的均值
- U2是总体中变量 2 的均值
配对 t 检验可以计算如下：
t = m/(s/√n)
在哪里：
- m = 平均值
- s = 差值的标准偏差 (d)
- n = d 的大小。
您可以使用配对 t 检验计算器来快速获得结果。寻找一个在线 t 检验计算器，它为您提供分步解决方案，同时确保获得准确的结果。
配对检验与非配对 t 检验
配对 t 检验用于发现总体中两个相关样本的均值之间是否存在显着差异。另一方面，未配对 t 检验(一个样本和独立样本 t 检验)用于确定两个独立样本之间是否存在显着的平均差异。
在配对样本的情况下，组之间存在关系，因为样本来自不同老年人的同一组，而独立样本 t 检验比较两个不相关组的平均值。
在配对 t 检验中，假设方差不相等，并执行原假设，而在配对 t 检验的情况下，假设样本之间的方差相等。
常问问题：
在哪里可以实施配对 t 检验?
配对 t 检验通常用于确认工业或产品领域中产品的质量或影响。它用于在间隔后对同一组进行两次测试。一些解释在现实世界中可以在哪里使用配对 t 检验的示例是：
- 测试新鲜出炉和一个月后的食品质量。
- 测试新制造的药物对一组人的即时影响，然后是同一组人的长期影响。
- 在马拉松前后测试一组人的脉搏率。
您应该使用配对或未配对的哪个 t 检验?
如果您仔细遵循 t 检验假设和说明，则不难为您的数据选择正确的 t 检验。请记住数据类型，在配对和非配对 t 检验实现之间没有很多选项。对于配对 t 检验，您必须有一个自然对、创建一个匹配对或重复测量。