10.3：均值差异检验——假设总体方差相等
- Page ID
- 204706
\( \newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \) \( \newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}} \)\(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\) \(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\)\(\newcommand{\AA}{\unicode[.8,0]{x212B}}\)
通常，我们永远无法指望知道任何总体参数、均值、比例或标准差。 在检验有关均值差异的假设时，我们面临着两个未知方差的困难，这两个方差在检验统计量中起着关键作用。 我们一直在用样本方差代替，就像我们在检验单均值的假设时所做的那样。 和以前一样，我们使用学生的 t 来弥补总体方差信息的不足。 但是，在某些情况下，我们可能不知道总体方差，但我们可以假设这两个总体具有相同的方差。 如果这是真的，则合并样本方差将小于单个样本方差。 这将提供更精确的估计值，并降低丢弃有效空值的可能性。 原假设和备择假设保持不变，但检验统计量更改为：
\[t_{c}=\frac{\left(\overline{x}_{1}-\overline{x}_{2}\right)-\delta_{0}}{\sqrt{S^{2} p\left(\frac{1}{n_{1}}+\frac{1}{n_{2}}\right)}}\nonumber\]
哪里\(S_{p}^{2}\)是公式给出的合并方差：
\[S_{p}^{2}=\frac{\left(n_{1}-1\right) s_{2}^{1}+\left(n_{2}-1\right) s_{2}^{2}}{n_{1}+n_{2}-2}\nonumber\]
检验统计量显然在尾部，2.31 大于临界值 1.703，因此我们无法维持原假设。 因此，我们得出结论，在95％的置信度上，有大量证据表明新药会产生预期的效果。