t值分布

t分布表

附表4 t 分布表 αα =>)}()({n t n t P n α=0.25 α=0.10 α=0.05 α=0.025 α=0.01 α=0.005 1 1.0000 3.0777 6.3138 12.706 2 31.8207 63.6574 2 0.8165 1.8856 2.9200 4.3027 6.9646 9.9248 3 0.7649 1.6377 2.353 4 3.1824 4.5407 5.8409 4 0.7407 1.5332 2.1318 2.7764 3.7469 4.6041 5 0.7267 1.4759 2.0150 2.5706 3.3649 4.0322 6 0.7176 1.4398 1.9432 2.4469 3.142 7 3.7074 7 0.7111 1.4149 1.8946 2.3646 2.9980 3.4995 8 0.7064 1.3968 1.8595 2.3060 2.8965 3.3554 9 0.7027 1.3830 1.8331 2.2622 2.8214 3.2498 10 0.6998 1.3722 1.8125 2.2281 2.7638 3.1693

11 0.6974 1.3634 1.7959 2.2010 2.7181 3.1058 12 0.6955 1.3562 1.7823 2.1788 2.6810 3.0545 13 0.6938 1.3502 1.7709 2.1604 2.6503 3.0123 14 0.6924 1.3450 1.7613 2.1448 2.6245 2.9768 15 0.6912 1.3406 1.7531 2.1315 2.6025 2.9467 16 0.6901 1.3368 1.7459 2.1199 2.5835 2.9208 17 0.6892 1.3334 1.7396 2.1098 2.5669 2.8982 18 0.6884 1.3304 1.7341 2.1009 2.5524 2.8784 19 0.6876 1.3277 1.7291 2.0930 2.5395 2.8609 20 0.6870 1.3253 1.7247 2.0860 2.5280 2.8453

t分布与t检验

t分布从数理统计的理论上讲，并且上节的实例也已说明，在总体均数为μ，总体标准差为σ的正态总体中随机抽取n相等的许多样本，分别算出样本均数，这些样本均数呈正态分布。而当样本含量n不太小时，即使总体不呈正态分布，样本均数的分布也接近正态。在下式中，由于μ与（样本均数的标准差）都是常量，又 X呈正态分布，所以u 也呈正态分布。但实际上总体标准差往往是不知道的，上式分母中的σ要由S替代，成为，那么由于样本标准差有抽样波动，SX也有抽样波动，于是，在用S代替σ 后上式等号右边的变量便不呈正态分布而呈t分布，其定义公式是（6.5)

t分布也是左右对称，但在总体均数附近的面积较正态分布的少些，两端尾部的面积则比正态分布的多些。t分布曲线随自由度而不同（如图6.1）。随着自由度的增大，t分布逐渐接近正态分布，当自由度为无限大时，t分布成为正态分布。图6.1t分布（实线）与正态分布（虚线）与正态分布相似，我们把t分布左右两端尾部面积之和α=0.05（即每侧尾部面积为0.025）相应的t值称为5%界，符号为t0.05,,，这里ν是自由度。把左右两端尾部面积之和α为0.01相应的t值称为1%界，符号为t0.01,,。t的5%界与1%界可查附表3，t值表。例如当自由度为10-1=9时，t0.05,9=2.262，t0.01,9=3.250。可信区间的估计一、参数估计的意义一组调查或实验数据，如果是计量资料可求得平均数，标准差等统计指标，如果是计数资料则求百分率藉以概括说明这群观察数据的特征，故称特征值。由于样本特征值是通过统计求得的，所以又称为统计量以区别于总体特征值。总体特征值一般称为参数（总体量）。我们进行科研所要探索的是总体特征值即总体参数，而我们得到的却是样本统计量，用样本统计量估计或推论总体参数的过程叫参数估计。

(完整版)t分布的概念及表和查表方法.doc

t分布介绍在概率论和统计学中，学生 t - 分布（t -distribution ），可简称为 t 分布，用于根据小样本来估计呈正态分布且方差未知的总体的均值。如果总体方差已知（例如在样本数量足够多时），则应该用正态分布来估计总体均值。 t 分布曲线形态与 n（确切地说与自由度 df ）大小有关。与标准正态分布曲线相比，自由度df 越小， t 分布曲线愈平坦，曲线中间愈低，曲线双侧尾部翘得愈高；自由度 df 愈大， t 分布曲线愈接近正态分布曲线，当自由度 df= ∞时， t 分布曲线为标准正态分布曲线。中文名t 分布应用在对呈正态分布的总体外文名t -distribution 别称学生 t 分布学科概率论和统计学相关术语t 检验目录 1历史 2定义 3扩展 4特征 5置信区间 6计算历史在概率论和统计学中，学生 t -分布（ Student's t-distribution ）经常应用在对呈正态分布的总体的均值进行估计。它是对两个样本均值差异进行显著性测试的学生t 测定的基础。 t 检定改进了Z 检定（en:Z-test ），不论样本数量大或小皆可应用。在样本数量大（超过 120 等）时，可以应用Z 检定，但 Z 检定用在小的样本会产生很大的误差，因此样本很小的情况下得改用学生t 检定。在数据有三组以上时，因为误差无法压低，此时可以用变异数分析代替学生t 检定。当母群体的标准差是未知的但却又需要估计时，我们可以运用学生t-分布。学生 t-分布可简称为t 分布。其推导由威廉·戈塞于 1908 年首先发表，当时他还在都柏林的健力士酿酒厂工作。因为不能以他本人的名义发表，所以论文使用了学生（Student ）这一笔名。之后t 检验以及相关理论经由罗纳德·费雪的工作发扬光大，而正是他将此分布称为学生分布。定义

统计学附录F分布,t分布临界值表全.docx

统计学附录F—分布临界值表 ——α（ 0.005 ―0.10 ） α=0.005 Fα k112345681224∞k2 116211200002161522500230562343723925244262494025465 2198.5199.0199.2199.2199.3199.3199.4199.4199.5199.5 355.5549.8047.4746.1945.3944.8444.1343.3942.6241.83 431.3326.2824.2623.1522.4621.9721.3520.7020.0319.32 522.7818.3116.5315.5614.9414.5113.9613.3812.7812.14 618.6314.4512.9212.0311.4611.0710.5710.039.478.88 716.2412.4010.8810.059.529.168.688.187.657.08 814.6911.049.608.818.307.957.507.01 6.50 5.95 913.6110.118.727.967.477.13 6.69 6.23 5.73 5.19 1012.839.438.087.34 6.87 6.54 6.12 5.66 5.17 4.64 1112.238.917.60 6.88 6.42 6.10 5.68 5.24 4.76 4.23 1211.758.517.23 6.52 6.07 5.76 5.35 4.91 4.43 3.90 1311.378.19 6.93 6.23 5.79 5.48 5.08 4.64 4.17 3.65 1411.067.92 6.68 6.00 5.56 5.26 4.86 4.43 3.96 3.44 1510.807.70 6.48 5.80 5.37 5.07 4.67 4.25 3.79 3.26 1610.587.51 6.30 5.64 5.21 4.91 4.52 4.10 3.64 3.11 1710.387.35 6.16 5.50 5.07 4.78 4.39 3.97 3.51 2.98 1810.227.21 6.03 5.37 4.96 4.66 4.28 3.86 3.40 2.87 1910.077.09 5.92 5.27 4.85 4.56 4.18 3.76 3.31 2.78 209.94 6.99 5.82 5.17 4.76 4.47 4.09 3.68 3.22 2.69

t检验

（二）t 检验当总体呈正态分布，如果总体标准差未知，而且样本容量n <30，那么这时一切可能的样本平均数与总体平均数的离差统计量呈t 分布。 t 检验是用t 分布理论来推论差异发生的概率，从而比较两个平均数的差异是否显著。t 检验分为单总体t 检验和双总体t 检验。 1.单总体t 检验单总体t 检验是检验一个样本平均数与一已知的总体平均数的差异是否显著。当总体分布是正态分布，如总体标准差σ未知且样本容量n <30，那么样本平均数与总体平均数的离差统计量呈t 分布。检验统计量为： X t μ σ-= 。如果样本是属于大样本（n >30）也可写成： X t μ σ-= 。在这里，t 为样本平均数与总体平均数的离差统计量； X 为样本平均数； μ为总体平均数； X σ为样本标准差； n 为样本容量。例：某校二年级学生期中英语考试成绩，其平均分数为73分，标准差为17分，期末考试后，随机抽取20人的英语成绩，其平均分数为79.2分。问二年级学生的英语成绩是否有显著性进步？检验步骤如下：第一步建立原假设0H ∶μ=73 第二步计算t 值 79.273 1.63X t μ σ--= = = 第三步判断因为，以0.05为显著性水平，119df n =-=，查t 值表，临界值 0.05(19) 2.093t =，而样本离差的t =1.63小与临界值2.093。所以，接受原假设，即进步不显著。 2.双总体t 检验

双总体t 检验是检验两个样本平均数与其各自所代表的总体的差异是否显著。双总体t 检验又分为两种情况，一是相关样本平均数差异的显著性检验，用于检验匹配而成的两组被试获得的数据或同组被试在不同条件下所获得的数据的差异性，这两种情况组成的样本即为相关样本。二是独立样本平均数的显著性检验。各实验处理组之间毫无相关存在，即为独立样本。该检验用于检验两组非相关样本被试所获得的数据的差异性。现以相关检验为例，说明检验方法。因为独立样本平均数差异的显著性检验完全类似，只不过0r =。相关样本的t 检验公式为： t = 在这里，1X ，2X 分别为两样本平均数； 1 2X σ，22 X σ分别为两样本方差； γ为相关样本的相关系数。例：在小学三年级学生中随机抽取10名学生，在学期初和学期末分别进行了两次推理能力测验，成绩分别为79.5和72分，标准差分别为9.124,9.940。问两次测验成绩是否有显著地差异？检验步骤为：第一步建立原假设0H ∶1μ=2μ 第二步计算t 值 t = =3.459。第三步判断根据自由度19df n =-=，查t 值表0.05(9) 2.262t =，0.01(9) 3.250t =。由于实际计算出来的t =3.495>3.250=0.01(9)t ，则0.01P <，故拒绝原假设。结论为：两次测验成绩有及其显著地差异。由以上可以看出，对平均数差异显著性检验比较复杂，究竟使用Z 检验还是使用t 检验必须根据具体情况而定，为了便于掌握各种情况下的Z 检验或t 检验，我们用以下一览表图示加以说明。

t分布的概念及表和查表方法

。t检定改进了Z检定（en:Z-test），不论样本数量大或小皆可应用。在样本数量大（超过120等）时，可以应用Z检定，但Z检定用在小的样本会产生很大的误差，因此样本很小的情况下得改用学生t 检定。在数据有三组以上时，因为误差无法压低，此时可以用变异数分析代替学生t检定。当母群体的标准差是未知的但却又需要估计时，我们可以运用学生t-分布。学生t-分布可简称为t分布。其推导由威廉·戈塞于1908年首先发表，当时他还在都柏林的健力士酿酒厂工作。因为不能以他本人的名义发表，所以论文使用了学生（Student）这一笔名。之后t检验以及相关理论经由罗纳德·费雪的工作发扬光大，而正是他将此分布称为学生分布。定义由于在实际工作中，往往σ是未知的，常用s作为σ的估计值，为了与u变换区别，称为t变换，统计量t 值的分布称为t分布。假设X服从标准正态分布N（0,1），Y服从分布，那么的分布称为自由度为n 的t分布，记为。分布密度函数，其中，Gam(x)为伽马函数。

t分布临界值表(3)

t分布临界值表 Y 单侧tf-0.10 0.05 0.025 0.01 0.005 ^*020 0.10 0.W 0.Q2 0.01 ￥?1 3.078 6314 12.706 3⑷I 63437 2l.就6 2.920 ~ ^.SOJ 6.W5 9.925 3 1.63S2333 lltt 4J4I 5.S41 4g 2.13： 5.776 1747 4.604 5 L47 6 2.01$ 2.571 3.3?<032 ?1,440]w 2.447 1143 3.707 1 1.41$I,*452,365 2.99S 3咖 8 1397】.M0 2JQ6 2.S96 2.35$ 9 IJ83 1.833 2.2*2 XR3I 5J50 10 1.372 1812 2.228 2764 3 I&9 11 1.363 1,7% 2 2Q1 2.718 3.106 12 L556 1179 2.6S1 3,055 13 1.350 1.77t2J602650 3012 14 l.MS 1.761 2.145 2.624 2.^77 15 1341 k753 2431 2 602 2弼7 16 1.337 1.746 2.120 25*3 2.921 17 133) 1.740 2.1)0 2.567zm IK L3J0L7J4 2401 2^52 2.87S \9|.52? 1.729 2,093 2.539 2.861 2D 1325 J.725 2.OS6 2.S28 2.S45 21 1323 \31\ 2.080 2.51S 2妙 22132! \m 2.074 2.508 1819 2313191JI4 2.069 2.500 2 807 24⑶g L7LL 2064 2.4922,797 25 1316 IM 2.060 2.4H5 2.787 26IJ15 1.7师 2.056 2櫛 2.779 27IJH l.?032,052 2.475 2.77) 2?1313 L701 2.048 2.467 2.763 291311 i.699 2(M5 2.462 2.?56 301310 i 69? 2,042 2.457 2.750 401J03 I￡S4 2.021 2.423 2.704 50 1.299 1.676 2.009 2 403 2.678 60 1.2^ 1.671 2.000 2J90 2.660 70 1.294 1.W7 1.9W 伽 2.64& 80 1.202 1.990 2.374 2.639 901291h662 1.487 2368 "32 100 1290 1.660 i.QM 2364 2.626 125I.2S8 1 657 I.W 235? 2.616 ISO 1 2M7 1 655k?76 2351 2.609 200 I.2B6 1653 L972 2.345 2.601 8I.2K：I.M5I960 1326 2.576

T检验临界值表

自由度自由度（df ）0.100.05 0.01 （df ）0.100.05 0.01 n -m -1n -m -11 6.31412.70663.657301 1.650 1.968 2.5922 2.920 4.3039.925302 1.650 1.968 2.5923 2.353 3.182 5.841303 1.650 1.968 2.5924 2.132 2.776 4.604304 1.650 1.968 2.5925 2.015 2.571 4.032305 1.650 1.968 2.5926 1.943 2.447 3.707306 1.650 1.968 2.5927 1.895 2.365 3.499307 1.650 1.968 2.5928 1.860 2.306 3.355308 1.650 1.968 2.5929 1.833 2.262 3.250309 1.650 1.968 2.59210 1.812 2.228 3.169310 1.650 1.968 2.59211 1.796 2.201 3.106311 1.650 1.968 2.59212 1.782 2.179 3.055312 1.650 1.968 2.59213 1.771 2.160 3.012313 1.650 1.968 2.59214 1.761 2.145 2.977314 1.650 1.968 2.59215 1.753 2.131 2.947315 1.650 1.968 2.59216 1.746 2.120 2.921316 1.650 1.967 2.59117 1.740 2.110 2.898317 1.650 1.967 2.59118 1.734 2.101 2.878318 1.650 1.967 2.59119 1.729 2.093 2.861319 1.650 1.967 2.59120 1.725 2.086 2.845320 1.650 1.967 2.59121 1.721 2.080 2.831321 1.650 1.967 2.59122 1.717 2.074 2.819322 1.650 1.967 2.59123 1.714 2.069 2.807323 1.650 1.967 2.59124 1.711 2.064 2.797324 1.650 1.967 2.59125 1.708 2.060 2.787325 1.650 1.967 2.59126 1.706 2.056 2.779326 1.650 1.967 2.59127 1.703 2.052 2.771327 1.650 1.967 2.59128 1.701 2.048 2.763328 1.650 1.967 2.59129 1.699 2.045 2.756329 1.649 1.967 2.59130 1.697 2.042 2.750330 1.649 1.967 2.59131 1.696 2.040 2.744331 1.649 1.967 2.59132 1.694 2.037 2.738332 1.649 1.967 2.59133 1.692 2.035 2.733333 1.649 1.967 2.59134 1.691 2.032 2.728334 1.649 1.967 2.59135 1.690 2.030 2.724335 1.649 1.967 2.59136 1.688 2.028 2.719336 1.649 1.967 2.59137 1.687 2.026 2.715337 1.649 1.967 2.59038 1.686 2.024 2.712338 1.649 1.967 2.59039 1.685 2.023 2.708339 1.649 1.967 2.59040 1.684 2.021 2.704340 1.649 1.967 2.59041 1.683 2.020 2.701341 1.649 1.967 2.59042 1.682 2.018 2.698342 1.649 1.967 2.59043 1.681 2.017 2.695343 1.649 1.967 2.59044 1.680 2.015 2.692 344 1.649 1.967 2.590 显著性水平（a ）显著性水平（a ）T 检验临界值表

T分布临界值表 (2)

T分布表 Df 自由度 P 概率0.1 0.05 0.025 0.01 0.005 0.001 0.0005 单尾0.2 0.1 0.05 0.02 0.01 0.002 0.001 双尾 1 3.078 6.314 12.706 31.821 63.657 318.309 636.619 2 1.886 2.920 4.30 3 6.965 9.925 22.327 31.599 3 1.638 2.353 3.182 4.541 5.841 10.215 12.924 4 1.533 2.132 2.776 3.747 4.604 7.173 8.610 5 1.47 6 2.015 2.571 3.365 4.032 5.893 6.869 6 1.440 1.943 2.44 7 3.143 3.707 5.20 8 5.959 7 1.415 1.895 2.365 2.998 3.499 4.785 5.408 8 1.397 1.860 2.306 2.896 3.355 4.501 5.041 9 1.383 1.833 2.262 2.821 3.250 4.297 4.781 10 1.372 1.812 2.228 2.764 3.169 4.144 4.587 11 1.363 1.796 2.201 2.718 3.106 4.025 4.437 12 1.356 1.782 2.179 2.681 3.055 3.930 4.318 13 1.350 1.771 2.160 2.650 3.012 3.852 4.221 14 1.345 1.761 2.145 2.624 2.977 3.787 4.140 15 1.341 1.753 2.131 2.602 2.947 3.733 4.073 16 1.337 1.746 2.120 2.583 2.921 3.686 4.015 17 1.333 1.740 2.110 2.567 2.898 3.646 3.965 18 1.330 1.734 2.101 2.552 2.878 3.610 3.922 19 1.328 1.729 2.093 2.539 2.861 3.579 3.883 20 1.325 1.725 2.086 2.528 2.845 3.552 3.850 21 1.323 1.721 2.080 2.518 2.831 3.527 3.819 22 1.321 1.717 2.074 2.508 2.819 3.505 3.792 23 1.319 1.714 2.069 2.500 2.807 3.485 3.768 24 1.318 1.711 2.064 2.492 2.797 3.467 3.745 25 1.316 1.708 2.060 2.485 2.787 3.450 3.725 26 1.315 1.706 2.056 2.479 2.779 3.435 3.707 27 1.314 1.703 2.052 2.473 2.771 3.421 3.690 28 1.313 1.701 2.048 2.467 2.763 3.408 3.674 29 1.311 1.699 2.045 2.462 2.756 3.396 3.659 30 1.310 1.697 2.042 2.457 2.750 3.385 3.646 31 1.309 1.696 2.040 2.453 2.744 3.375 3.633 32 1.309 1.694 2.037 2.449 2.738 3.365 3.622 33 1.308 1.692 2.035 2.445 2.733 3.356 3.611

t分布的概念及表和查表方法

在概率论和统计学中，学生t-分布(t-distributen )，可简称为t分布，用于根据小样本来估计呈正态分布且方差未知的总体的均值。如果总体方差已知(例如在样本数量足够多时)，则应该用正态分布来估计总体均值。 t分布曲线形态与n (确切地说与自由度df)大小有关。与标准正态分布曲线相比，自由度df越小，t分布曲线愈平坦，曲线中间愈低，曲线双侧尾部翘得愈高；自由度df愈大, t分布曲线愈接近正态分布曲线，当自由度df= %时，t分布曲线为标准正态分布曲线。目录 1历史 2定义 3扩展 4特征 5置信区间 6计算历史在概率论和统计学中，学生t -分布(Student's t-distribution )经常应用在对呈正态分布的总体的均值进行估计。它是对两个样本均值差异进行显著性测试的学生t测定的基础。t检定改进了Z检定(en:Z-test )，不论样本数量大或小皆可应用。在样本数量大(超过120等)时，可以应用Z检定，但

Z检定用在小的样本会产生很大的误差，因此样本很小的情况下得改用学生t检定。在数据有三组以上时，

t-分布。当母群体的标准差是未知的但却又需要估计时，我们可以运用学生学生t-分布可简称为t分布。其推导由威廉?戈塞于1908年首先发表，当时他还在都柏林的健力士酿酒厂工作。因为不能以他本人的名义发表，所以论文使用了学生( Student )这一笔名。之后t检验以及相关理论经由罗纳德?费雪的工作发扬光大，而正是他将此分布称为学生分布。定义由于在实际工作中，往往(7是未知的，常用S作为(T的估计值，为了与U变换区别，称为t变换, 统计量t值的分布称为t分布。假设X服从标准正态分布N(0,1 ), Y服从分布，那么的分布称为自由度为n的t分布，记为。分布密度函数，其中，Gam(x)为伽马函数。扩展正态分布(normal distribution )是数理统计中的一种重要的理论分布，是许多统计方法的理论基础。正态分布有两个参数，卩和7,决定了正态分布的位置和形态。为了应用方便，常将一般的正态变量X通过u变换［(X-卩)/ 7 ］转化成标准正态变量u,以使原来各种形态的正态分布都转换为卩=0,7 =1 的标准正态分布(standard normal distribution )，亦称u分布。根据中心极限定理，通过上述的抽样模拟试验表明，在正态分布总体中以固定n,抽取若干个样本时，样本均数的分布仍服从正态分布，即N(「)。所以，对样本均数的分布进行u变换，也可变换为标准正态分布N (0,1)。特征 1.以0为中心，左右对称的单峰分布； 2.t分布是一簇曲线，其形态变化与n(确切地说与自由度df )大小有关。自由度df越小，t分布曲线越低平；自由度df越大，t分布曲线越接近标准正态分布(u分布)曲线，如图：

T分布临界值表

t分布表

附表4 t分布表 P{t(n) t (n)} n a =0.25 a =0.10 a =0.05 a =0.025 a =0.01 a =0.005 1 1.0000 3.0777 6.3138 12.706 2 31.8207 63.6574 2 0.8165 1.8856 2.9200 4.3027 6.9646 9.9248 3 0.7649 1.6377 2.353 4 3.1824 4.5407 5.8409 4 0.7407 1.5332 2.1318 2.7764 3.7469 4.6041 5 0.7267 1.4759 2.0150 2.570 6 3.3649 4.0322 6 0.7176 1.4398 1.9432 2.4469 3.142 7 3.7074 7 0.7111 1.4149 1.8946 2.3646 2.9980 3.4995 8 0.7064 1.3968 1.8595 2.3060 2.8965 3.3554 9 0.7027 1.3830 1.8331 2.2622 2.8214 3.2498 10 0.6998 1.3722 1.8125 2.2281 2.7638 3.1693 11 0.6974 1.3634 1.7959 2.2010 2.7181 3.1058 12 0.6955 1.3562 1.7823 2.1788 2.6810 3.0545 13 0.6938 1.3502 1.7709 2.1604 2.6503 3.0123 14 0.6924 1.3450 1.7613 2.1448 2.6245 2.9768 15 0.6912 1.3406 1.7531 2.1315 2.6025 2.9467 16 0.6901 1.3368 1.7459 2.1199 2.5835 2.9208 17 0.6892 1.3334 1.7396 2.1098 2.5669 2.8982 18 0.6884 1.3304 1.7341 2.1009 2.5524 2.8784 19 0.6876 1.3277 1.7291 2.0930 2.5395 2.8609 20 0.6870 1.3253 1.7247 2.0860 2.5280 2.8453

t分布的概念及表和查表方法

在概率论和统计学中，学生t-分布（t-distribution），可简称为t分布，用于根据小样本来估计呈正态分布且方差未知的总体的均值。如果总体方差已知（例如在样本数量足够多时），则应该用正态分布来估计总体均值。 t分布曲线形态与n（确切地说与自由度df）大小有关。与标准正态分布曲线相比，自由度df越小，t分布曲线愈平坦，曲线中间愈低，曲线双侧尾部翘得愈高；自由度df愈大，t分布曲线愈接近正态分布曲线，当自由度df=∞时，t分布曲线为标准正态分布曲线。目录 1历史 2定义 3扩展 4特征 5置信区间 6计算历史在概率论和统计学中，学生t-分布（Student's t-distribution）经常应用在对呈正态分布的总体的均值进行估计。它是对两个样本均值差异进行显著性测试的学生t测定的基础。t检定改进了Z检定（en:Z-test），不论样本数量大或小皆可应用。在样本数量大（超过120等）时，可以应用Z检定，但Z检定用在小的样本会产生很大的误差，因此样本很小的情况下得改用学生t检定。在数据有三组以上时，因为误差无法压低，此时可以用变异数分析代替学生t检定。

当母群体的标准差是未知的但却又需要估计时，我们可以运用学生t-分布。学生t-分布可简称为t分布。其推导由威廉·戈塞于1908年首先发表，当时他还在都柏林的健力士酿酒厂工作。因为不能以他本人的名义发表，所以论文使用了学生（Student）这一笔名。之后t检验以及相关理论经由罗纳德·费雪的工作发扬光大，而正是他将此分布称为学生分布。定义由于在实际工作中，往往σ是未知的，常用s作为σ的估计值，为了与u变换区别，称为t变换，统计量t 值的分布称为t分布。假设X服从标准正态分布N（0,1），Y服从分布，那么的分布称为自由度为n的t分布，记为。分布密度函数，其中，Gam(x)为伽马函数。扩展正态分布（normal distribution）是数理统计中的一种重要的理论分布，是许多统计方法的理论基础。正态分布有两个参数，μ和σ，决定了正态分布的位置和形态。为了应用方便，常将一般的正态变量X通过u变换[(X-μ)/σ]转化成标准正态变量u，以使原来各种形态的正态分布都转换为μ=0，σ=1的标准正态分布（standard normal distribution），亦称u分布。根据中心极限定理，通过上述的抽样模拟试验表明，在正态分布总体中以固定n，抽取若干个样本时，样本均数的分布仍服从正态分布，即N(μ,)。所以，对样本均数的分布进行u变换，也可变换为标准正态分布N (0,1)。特征 1．以0为中心，左右对称的单峰分布； 2．t分布是一簇曲线，其形态变化与n（确切地说与自由度df）大小有关。自由度df越小，t分布曲线越低平；自由度df越大，t分布曲线越接近标准正态分布（u分布）曲线，如图： t(n)分布与标准正态N(0,1)的密度函数。

卡方检验临界值表

卡方检验临界值表自由度显著性水平（a ） 0.50 0.25 0.10 0.05 0.03 0.01 1 0.455 1.323 2.706 3.841 5.024 6.635 2 1.386 2.77 3 4.605 5.991 7.378 9.210 3 2.366 4.108 6.251 7.815 9.348 11.345 4 3.357 5.38 5 7.779 9.488 11.143 13.277 5 4.351 6.62 6 9.236 11.070 12.833 15.086 6 5.348 7.841 10.645 12.592 14.449 16.812 7 6.346 9.037 12.017 14.067 16.013 18.475 8 7.344 10.219 13.362 15.507 17.535 20.090 9 8.343 11.389 14.684 16.919 19.023 21.666 10 9.342 12.549 15.987 18.307 20.483 23.209 11 10.341 13.701 17.275 19.675 21.920 24.725 12 11.340 14.845 18.549 21.026 23.337 26.217 13 12.340 15.984 19.812 22.362 24.736 27.688 14 13.339 17.117 21.064 23.685 26.119 29.141 15 14.339 18.245 22.307 24.996 27.488 30.578 16 15.338 19.369 23.542 26.296 28.845 32.000 17 16.338 20.489 24.769 27.587 30.191 33.409 18 17.338 21.605 25.989 28.869 31.526 34.805 19 18.338 22.718 27.204 30.144 32.852 36.191 20 19.337 23.828 28.412 31.410 34.170 37.566 21 20.337 24.935 29.615 32.671 35.479 38.932 22 21.337 26.039 30.813 33.924 36.781 40.289 23 22.337 27.141 32.007 35.172 38.076 41.638 24 23.337 28.241 33.196 36.415 39.364 42.980 25 24.337 29.339 34.382 37.652 40.646 44.314 26 25.336 30.435 35.563 38.885 41.923 45.642 27 26.336 31.528 36.741 40.113 43.195 46.963 28 27.336 32.620 37.916 41.337 44.461 48.278 29 28.336 33.711 39.087 42.557 45.722 49.588 30 29.336 34.800 40.256 43.773 46.979 50.892 31 30.336 35.887 41.422 44.985 48.232 52.191 32 31.336 36.973 42.585 46.194 49.480 53.486

t分布的概念及表和查表方法

在概率论和统计学中，学生t -分布(t -distribution )，可简称为t 分布，用于根据小样本来估计呈正态分布且方差未知的总体的均值。如果总体方差已知(例如在样本数量足够多时)，则应该用正态分布来估计总体均值。 t 分布曲线形态与n(确切地说与自由度df )大小有关。与标准正态分布曲线相比，自由度df 越小，t 分布曲线愈平坦，曲线中间愈低，曲线双侧尾部翘得愈高；自由度df 愈大，t 分布曲线愈接近正态分布曲线，当自由度df= ∞时，t 分布曲线为标准正态分布曲线。目录 1历史 2定义 3扩展 4特征 5置信区间 6计算历史在概率论和统计学中，学生t -分布( Student's t -distribution )经常应用在对呈正态分布的总体的均值进行估计。它是对两个样本均值差异进行显著性测试的学生 t 测定的基础。 t 检定改进了 Z 检定 ( en:Z-test )，不论样本数量大或小皆可应用。在样本数量大 (超过 120 等) 因为误差无法压低，此时可以用变异数分析代替学生t 检定。

时，可以应用 Z 检定，但 Z 检定用在小的样本会产生很大的误差，因此样本很小的情况下得改用学生 t 检定。在数据有三组以上时，当母群体的标准差是未知的但却又需要估计时，我们可以运用 t- 分布。学生学生t- 分布可简称为t 分布。其推导由威廉·戈塞于 1908 年首先发表，当时他还在都柏林的健力士酿酒厂工作。因为不能以他本人的名义发表，所以论文使用了学生( Student )这一笔名。之后t 检验以及相关理论经由罗纳德·费雪的工作发扬光大，而正是他将此分布称为学生分布。定义由于在实际工作中，往往σ是未知的，常用 s 作为σ的估计值，为了与 u 变换区别，称为 t 变换，统计量 t 值的分布称为 t 分布。假设 X服从标准正态分布 N( 0,1 )， Y服从分布，那么的分布称为自由度为 n的 t 分布，记为。分布密度函数，其中， Gam(x)为伽马函数。扩展正态分布( normal distribution )是数理统计中的一种重要的理论分布，是许多统计方法的理论基础。正态分布有两个参数，μ和σ，决定了正态分布的位置和形态。为了应用方便，常将一般的正态变量X通过 u变换［(X- μ)/ σ］转化成标准正态变量 u，以使原来各种形态的正态分布都转换为μ=0，σ=1 的标准正态分布( standard normal distribution )，亦称 u 分布。根据中心极限定理，通过上述的抽样模拟试验表明，在正态分布总体中以固定 n，抽取若干个样本时，样本均数的分布仍服从正态分布，即N(μ, ) 。所以，对样本均数的分布进行 u 变换，也可变换为标准正态分布 N (0,1) 。特征 1．以 0 为中心，左右对称的单峰分布；

t分布表

附表4 t分布表 a =0.00 5 63.6574 9.9248 5.8409 4.6041 4.0322 3.7074 3.4995 3.3554 3.2498

10 0.6998 1.3722 1.8125 2.2281 2.7638 3.1693 11 0.6974 1.3634 1.7959 2.2010 2.7181 3.1058 12 0.6955 1.3562 1.7823 2.1788 2.6810 3.0545 13 0.6938 1.3502 1.7709 2.1604 2.6503 3.0123 14 0.6924 1.3450 1.7613 2.1448 2.6245 2.9768 15 0.6912 1.3406 1.7531 2.1315 2.6025 2.9467 16 0.6901 1.3368 1.7459 2.1199 2.5835 2.9208 17 0.6892 1.3334 1.7396 2.1098 2.5669 2.8982 18 0.6884 1.3304 1.7341 2.1009 2.5524 2.8784 19 0.6876 1.3277 1.7291 2.0930 2.5395 2.8609

29 0.6830 1.3114 1.6991 2.0452 2.4620 2.7564 30 0.6828 1.3104 1.6973 2.0423 2.4573 2.7500 31 0.6825 1.3095 1.6955 2.0395 2.4528 2.7440 32 0.6822 1.3086 1.6939 2.0369 2.4487 2.7385 33 0.6820 1.3077 1.6924 2.0345 2.4448 2.7333 34 0.6818 1.3070 1.6909 2.0322 2.4411 2.7284 35 0.6816 1.3062 1.6896 2.0301 2.4377 2.7238 36 0.6814 1.3055 1.6883 2.0281 2.4345 2.7195 37 0.6812 1.3049 1.6871 2.0262 2.4314 2.7154 38 0.6810 1.3042 1.6860 2.0244 2.4286 2.7116