t检验到底是大于临界值接受原假设还是小于临界值

如题所述

绝对值小于临界值接受原假设,大于的话就拒绝原假设。通常的显著性临界值是0.05。最好不要讲接受原假设,因为假设检验作为一种反证法,只有当你拒绝原假设,你的预先想法才能得证,而如果绝对值小于临界值,是得不出任何有用结论的,即此时你还不能认为原假设是对的。
拓展资料:
一、t检验的定义
t检验,亦称student t检验(Student's t test),主要用于样本含量较小(例如n < 30),总体标准差σ未知的正态分布。_1]_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。它与f检验、卡方检验并列。t检验是戈斯特为了观测酿酒质量而发明的,并于1908年在Biometrika上公布。
二、t检验注意事项
1、选用的检验方法必须符合其适用条件(注意:t检验的前提:1.来自正态分布总体; 2.随机样本 ;3.均数比较时,要求两样本总体方差相等,即具有方差齐性)_。理论上,即使样本量很小时,也可以进行t检验。
2、区分单侧检验和双侧检验。单侧检验的界值小于双侧检验的界值,因此更容易拒绝,犯第Ⅰ错误的可能性大_t检验中的p值是接受两均值存在差异这个假设可能犯错的概率。在统计学上,当两组观察对象总体中的确不存在差别时,这个概率与我们拒绝了该假设有关。
3、假设检验的结论不能绝对化_。当一个统计量的值落在临界域内,这个统计量是统计上显著的,这时拒绝虚拟假设。当一个统计量的值落在接受域中,这个检验是统计上不显著的,这是不拒绝虚拟假设H0。因为,其不显著结果的原因有可能是样本数量不够拒绝H0_有可能犯第Ⅰ类错误。
4、正确理解P值与差别有无统计学意义_P越小,不是说明实际差别越大,而是说越有理由拒绝H0_越有理由说明两者有差异,差别有无统计学意义和有无专业上的实际意义并不完全相同。
5、假设检验和可信区间的关系结论具有一致性差异:提供的信息不同区间估计给出总体均值可能取值范围,但不给出确切的概率值,假设检验可以给出H0成立与否的概率_。
6、涉及多组间比较时,慎用t检验__?蒲惺导中,经常需要进行两组以上比较,或含有多个自变量并控制各个自变量单独效应后的各组间的比较,(如性别、药物类型与剂量),此时,需要用方差分析进行数据分析,方差分析被认为是t检验的推广。在较为复杂的设计时,方差分析具有许多t-检验所不具备的优点。(进行多次的t检验进行比较设计中不同格子均值时)。

温馨提示:答案为网友推荐,仅供参考
第1个回答  2021-12-09
统计量的绝对值大于临界值就拒绝原假设
拓展资料
T检验注意事项
1、选用的检验方法必须符合其适用条件(注意:t检验的前提:
1.来自正态分布总体;
2.随机样本 ;
3.均数比较时,要求两样本总体方差相等,即具有方差齐性)。理论上,即使样本量很小时,也可以进行t检验。(如样本量为10,一些学者声称甚至更小的样本也行),只要每组中变量呈正态分布,两组方差不会明显不同。如上所述,可以通过观察数据的分布或进行正态性检验估计数据的正态假设。方差齐性的假设可进行F检验,或进行更有效的Levene's检验。如果不满足这些条件,可以采用校正的t检验,或者换用非参数检验代替t检验进行两组间均值的比较。
2、区分单侧检验和双侧检验。单侧检验的界值小于双侧检验的界值,因此更容易拒绝,犯第Ⅰ错误的可能性大 。t检验中的p值是接受两均值存在差异这个假设可能犯错的概率。在统计学上,当两组观察对象总体中的确不存在差别时,这个概率与我们拒绝了该假设有关。一些学者认为如果差异具有特定的方向性,我们只要考虑单侧概率分布,将所得到t-检验的P值分为两半。另一些学者则认为无论何种情况下都要报告标准的双侧t检验概率。
3、假设检验的结论不能绝对化。当一个统计量的值落在临界域内,这个统计量是统计上显著的,这时拒绝虚拟假设。当一个统计量的值落在接受域中,这个检验是统计上不显著的,这是不拒绝虚拟假设H0。因为,其不显著结果的原因有可能是样本数量不够拒绝H0 ,有可能犯第Ⅰ类错误。
4、正确理解P值与差别有无统计学意义。P越小,不是说明实际差别越大,而是说越有理由拒绝H0 ,越有理由说明两者有差异,差别有无统计学意义和有无专业上的实际意义并不完全相同。
5、假设检验和可信区间的关系结论具有一致性差异:提供的信息不同区间估计给出总体均值可能取值范围,但不给出确切的概率值,假设检验可以给出H0成立与否的概率。
6、涉及多组间比较时,慎用t检验。科研实践中,经常需要进行两组以上比较,或含有多个自变量并控制各个自变量单独效应后的各组间的比较,(如性别、药物类型与剂量),此时,需要用方差分析进行数据分析,方差分析被认为是t检验的推广。在较为复杂的设计时,方差分析具有许多t-检验所不具备的优点。(进行多次的t检验进行比较设计中不同格子均值时)。本回答被网友采纳
第2个回答  2014-07-11
绝对值小于临界值则无充分理由拒绝原假设,大于的话就拒绝原假设。
最好不要讲接受原假设,因为假设检验作为一种反证法,只有当你拒绝原假设,你的预先想法才能得证,而如果绝对值小于临界值,是得不出任何有用结论的,即此时你还不能认为原假设是对的,因为你无法或者犯第二类错误的概率。
第3个回答  2021-09-06
应该是统计量的绝对值大于临界值就拒绝原假设
相似回答