两样本成对数据的t检验。所谓成对数据, 是指两个样本的样本容量相等, 且两个样本之间除均值之外没有另的差异。例如比较某一班同一单元内容的第二次考试是否比第一次的高? 同一个人在服用某种维生素
后是否比未服用之前不易感冒? 这就是成对数据的比较检验。
设 , , ,…, 是来自总体X的样本, , , ,…, 是来自总体Y的样本,定义 ,记 , ,则 , , ,…, 为总体Z~N( )的样本。此时, 与 的检验问题等价于 的检验问题。 因此,由单正态总体均值的假设检验知, 假设检验问题:
(1) (双边假设检验)
(2) (单边假设检验)
(3) (单边假设检验)
例:在针织品漂白工艺过程中, 要考虑温度对针织品断裂强力(主要质量指标)的影响。 为了比较70℃与80℃的影响有无差别,在这两个温度下,分别重复做了8次试验,根据经验, 温度对针织品断裂强度的波动没有影响。 问在70℃时的平均断裂强力与80℃时的平均断裂强力间是否有显著差别? 假定断裂强力服从正态分布(α=0.05)
温度对针织品断裂强力的影响数据
70℃时的强力 | 20.5, 18.8, 19.8, 20.9, 21.5, 19.5, 21.0, 21.2 |
---|---|
80℃时的强力 | 17.7, 20.3, 20.0, 18.8, 19.0, 20.1, 20.0, 19.1 |
from scipy.stats import ttest_rel
import pandas as pd
x = [20.5, 18.8, 19.8, 20.9, 21.5, 19.5, 21.0, 21.2]
y = [17.7, 20.3, 20.0, 18.8, 19.0, 20.1, 20.0, 19.1]
# 配对样本t检验
print(ttest_rel(x, y))
print(ttest_rel(x, y))
# Ttest_relResult(statistic=1.8001958337730648, pvalue=0.1148515300576627)
# 结论: 因为p值=0.1149>0.05, 故接受原假设, 认为在70℃时的平均断裂强力与80℃时的平均断裂强力间无显著差别