KNOWECON WIKI

ARTICLE

两样本假设检验方法的汇总

两样本假设检验方法的汇总 两样本假设检验利用两个总体的样本数据，对总体参数（均值、方差、比例）之间的关系进行统计推断。 共同框架：原假设 H_0（无差异）vs 备择假设 H_1（存在差异，可双侧或单侧），计算检验统计量，基于p-value和显著性水平 做决策。 选择方法的关键维度：检验目标、样本关系（独立/配对）、总体分布假设（参数检验 vs 非参数检验）。

浏览 19 更新 2025-10-25

两样本假设检验方法的汇总

两样本假设检验利用两个总体的样本数据，对总体参数（均值、方差、比例）之间的关系进行统计推断。

共同框架：原假设 H0H_0（无差异）vs 备择假设 H1H_1（存在差异，可双侧或单侧），计算检验统计量，基于p-value和显著性水平 α\alpha 做决策。

选择方法的关键维度：检验目标、样本关系（独立/配对）、总体分布假设（参数检验 vs 非参数检验）。

比较总体均值

独立样本t检验

假设两总体正态分布。方差相等时使用合并样本方差：

Sp2=(n1−1)s12+(n2−1)s22n1+n2−2,t=(xˉ1−xˉ2)Sp1/n1+1/n2, df=n1+n2−2S_p^2 = \frac{(n_1-1)s_1^2 + (n_2-1)s_2^2}{n_1+n_2-2}, \quad t = \frac{(\bar{x}_1 - \bar{x}_2)}{S_p \sqrt{1/n_1 + 1/n_2}},\ df = n_1+n_2-2

方差不相等时使用Welch's t-test（更稳健推荐）：

t=xˉ1−xˉ2s12/n1+s22/n2t = \frac{\bar{x}_1 - \bar{x}_2}{\sqrt{s_1^2/n_1 + s_2^2/n_2}}

自由度由Welch-Satterthwaite公式近似。

配对样本t检验

化为单样本t检验：计算差值 di=xi,1−xi,2d_i = x_{i,1} - x_{i,2}，检验 H0:μd=0H_0: \mu_d = 0：

t=dˉsd/n, df=n−1t = \frac{\bar{d}}{s_d / \sqrt{n}},\ df = n-1

Z检验

两总体方差已知（理论重要但实践少用）：Z=(xˉ1−xˉ2)/σ12/n1+σ22/n2∼N(0,1)Z = (\bar{x}_1 - \bar{x}_2) / \sqrt{\sigma_1^2/n_1 + \sigma_2^2/n_2} \sim N(0,1)

比较均值/中位数的非参数方法

比较总体方差

  • F检验：F=s12/s22∼F(n1−1,n2−1)F = s_1^2 / s_2^2 \sim F(n_1-1, n_2-1)，对正态性假设非常敏感
  • Levene检验：对偏离正态更稳健，基于组内观测值与组均值之差的绝对值进行方差分析

比较总体比例

两样本比例Z检验：合并比例 p^=(x1+x2)/(n1+n2)\hat{p} = (x_1+x_2)/(n_1+n_2)

Z=p^1−p^2p^(1−p^)(1/n1+1/n2)∼N(0,1)Z = \frac{\hat{p}_1 - \hat{p}_2}{\sqrt{\hat{p}(1-\hat{p})(1/n_1 + 1/n_2)}} \sim N(0,1)

卡方检验：对于 2×22 \times 2 列联表等价于两样本比例Z检验：

χ2=∑(观测−期望)2期望, df=(r−1)(c−1)\chi^2 = \sum \frac{(\text{观测} - \text{期望})^2}{\text{期望}},\ df = (r-1)(c-1)

决策流程与总结

\begin{tabular}{|l|l|l|l|l|} \hline 目标 \& 样本关系 \& 假设 \& 参数方法 \& 非参数替代 \\ \hline 均值 \& 独立 \& 正态, 方差齐性 \& 独立样本t检验 \& 曼-惠特尼U检验 \\ \hline 均值 \& 配对 \& 差值正态 \& 配对样本t检验 \& 威尔科克森符号秩检验 \\ \hline 方差 \& 独立 \& 正态 \& F检验 \& Levene检验（更稳健） \\ \hline 比例 \& 独立 \& 大样本 \& 两样本比例Z / 卡方检验 \& Fisher精确检验 \\ \hline \end{tabular}