SPSS学习笔记参数检验—单样本t检验
单样本t检验
目的:利用来自总体的样本数据,推断该总体的均值是否与指定的检验值存在差异。
适用条件:样本来自的总体应服从或者近似服从正态分布。
注:当样本量n比较大时:由中心极限定理得知,即使原数据不服从正态分布,但是样本量足够大,他的样本均数抽样分布仍然是正态的,因此,在样本量很大的情况下很少考虑单样本t检验的适用条件;
当样本量n比较小时,总体应服从正态分布;
总结:只要数据没有很强烈的偏态,单样本t检验的分析结果都是稳定的。
案例分析:
案例描述:推断信用卡刷卡金额的平均值是否不低于3000元。(数据来源:《统计分析与SPSS的应用》薛薇 第五章)
题目分析:该问题涉及的是单个总体(信用卡刷卡金额),进行总体均值检验,同时总体可近似认为服从正态分布(正态分布检验),因此用单样本t检验。
案例步骤:
提出原假设:信用卡刷卡金额的平均值不显著低于3000元。
界面菜单操作:分析—比较均值—单样本T检验—选择检验的变量—得出结果
关键步骤截图:
检验值应填3000


缺失值的处理:
(1)按分析顺序排除个案:只针对计算变量的缺失值,剔除该变量的个案;
(2)按列表排除个案:针对列表中所有变量的缺失值,一旦发现某个变量有缺失值,直接剔除该个案。


结果分析:
|
单个样本统计量 |
||||
|
N |
均值 |
标准差 |
均值的标准误 |
|
|
月平均刷卡金额 |
500 |
4781.8786 |
7418.71785 |
331.77515 |
均值的标准误:

|
单个样本检验 |
||||||
|
检验值 = 3000 |
||||||
|
t |
df |
Sig.(双侧) |
均值差值 |
差分的 95% 置信区间 |
||
|
下限 |
上限 |
|||||
|
月平均刷卡金额 |
5.371 |
499 |
.000 |
1781.87860 |
1130.0302 |
2433.7270 |
t统计量的数学定义:

df:自由度(n-1)
Sig(双侧):双侧概率P-值;
注:
(1)当问题使用的是双侧检验方法时,比较ɑ(一般取0.05)和p;当p<ɑ时,拒绝原假设,接受备假设。当p>=ɑ,则相反。
(2)当问题使用的是单侧检验方法时,比较ɑ(一般取0.05)和p/2;当p/2<ɑ时,拒绝原假设,接受备假设。当p/2>=ɑ,则相反。
平方米无显著差异,这时候可以从两个方向拒绝原假设:实际住房面积的平均值远大于或者远小于20平方米。
元有明显差异,而且远远高于3000元。
置信区间:95%的置信区间为(1130.0302,2433.7270),我们有95%的把握认为月刷卡金额的平均值在4130.0302~5433.7270之间。
参考书籍:
《统计分析与SPSS的应用》(第五版)薛薇
《SPSS统计分析从零开始》吴骏
《SPSS统计分析基础教程》张文彤
SPSS学习笔记参数检验—单样本t检验的更多相关文章
- SPSS学习笔记参数检验—两配对样本t检验
目的:检验两个有联系的正态总体的均值是否存在显著差异. 适用条件:有联系,正态总体,样本量要一样.一般可以分为一下四种: ①同一受试对象处理前后的对比:如对于糖尿病人,对同一组病人在使用新治疗方法前测 ...
- SPSS学习笔记参数检验—两独立样本t检验
目的:利用来自两个总体的独立样本,推断两个总体的均值是否存在差异. 适用条件: (1)样本来自的总体应服从或近似服从正态分布: (2)两样本相互独立,两样本的样本量可以不等: 案例分析: 案例描述:评 ...
- SPSS学习笔记之——Kaplan-Meier生存分析
SPSS学习笔记之--Kaplan-Meier生存分析 一.概述 关于生存分析的相关概念,Kaplan-Meier用于估计生存函数,允许有一个分组变量进行生存率的组间比较,还容许一个分层变量.若不考虑 ...
- [SPSS]学习笔记--数据分布形状描述
以下内容摘自:公众号- SPSS生活统计学 保存做复习之用. 峰度(Kurtosis) 峰度是描述总体(样本)中所有取值分布形态陡缓程度的统计量.通过计算可以得到峰度系数,峰度系数与分布形态的关系是: ...
- 学习笔记︱Nvidia DIGITS网页版深度学习框架——深度学习版SPSS
DIGITS: Deep Learning GPU Training System1,是由英伟达(NVIDIA)公司开发的第一个交互式深度学习GPU训练系统.目的在于整合现有的Deep Learnin ...
- R笔记 单样本t检验 功效分析
R data analysis examples 功效分析 power analysis for one-sample t-test单样本t检验 例1.一批电灯泡,标准寿命850小时,标准偏差50,4 ...
- 【Python学习笔记】使用Python进行T检验
使用Python进行T检验 所需要用到的第三方库有scipy. 均可以通过pip直接安装. pip install scipy numpy 引入第三方库 from scipy import stats ...
- SAS学习笔记25 t检验(单个样本t检验、配对样本t检验、两个独立样本t检验及方差不齐时的t'检验)
根据研究设计和资料的性质有单个样本t检验.配对样本t检验.两个独立样本t检验以及在方差不齐时的t'检验 单样本t检验 单样本t检验(one-sample t-test)又称单样本均数t检验,适用于样本 ...
- python数据分析入门学习笔记
学习利用python进行数据分析的笔记&下星期二内部交流会要讲的内容,一并分享给大家.博主粗心大意,有什么不对的地方欢迎指正~还有许多尚待完善的地方,待我一边学习一边完善~ 前言:各种和数据分 ...
随机推荐
- Spring依赖注入浅析
1. 概念理解 依赖注入 谁注入谁? 依赖对象注入IoC容器. 控制反转 谁控制谁?控制什么? IoC容器控制对象,控制依赖对象的创建与注入. 为什么称为反转?创建.注入对象的控制权由程序员的主观意愿 ...
- 迁移桌面程序到MS Store(10)——在Windows S Mode运行
首先简单介绍Windows 10 S Mode,Windows在该模式下,只能跑MS Store里的软件,不能通过其他方式安装.好处是安全有保障,杜绝一切国产流氓软件.就像iOS一样,APP进商店都需 ...
- 北京2018网络赛 hihocoder#1828 : Saving Tang Monk II (BFS + DP +多开一维)
hihocoder 1828 :https://hihocoder.com/problemset/problem/1828 学习参考:https://www.cnblogs.com/tobyw/p/9 ...
- CodeForces - 697D - Puzzles DFS
传送门:D - Puzzles 题意:在一个图中,从1开始dfs,求每一个点到达的期望: 思路:(下面是队长写的) 首先求的是到每一个点的步数的期望. 记fa( u ) = v, son( v )表示 ...
- 【牛客多校】Han Xin and His Troops
题目: His majesty chatted with Han Xin about the capabilities of the generals. Each had their shortcom ...
- SQL数据同步到ELK(二)- Elastic Search 安装
开篇废话 没错,前面扯了一堆SQL SERVER,其实我连Elastic Search根本没动手玩过(是不是与时代有点脱节了?),那今天我就准备尝试安装一个ELK的简单集群出来(这个集群是使用我的小米 ...
- np问题(大数阶乘取模)
转自 np问题 题目描述: LYK 喜欢研究一些比较困难的问题,比如 np 问题. 这次它又遇到一个棘手的 np 问题.问题是这个样子的:有两个数 n 和 p,求 n 的阶乘对 p 取模后的结果. L ...
- Erlang模块ets翻译
概要: 内置的存储 描述: 这个模块是Erlang内置存储BIFs的接口.这些提供了在Erlang运行时系统中存储大量数据的能力,并且能够对数据进行持续的访问时间.(在ordered_set的情况下, ...
- .NET Core 微信小程序支付——(统一下单)
最近公司研发了几个电商小程序,还有一个核心的电商直播,只要是电商一般都会涉及到交易信息,离不开支付系统,这里我们统一实现小程序的支付流程(与服务号实现步骤一样). 目录1.开通小程序的支付能力2.商户 ...
- Docker中使用FlameGraph分析JVM应用性能
开源项目推荐 Pepper Metrics是我与同事开发的一个开源工具(https://github.com/zrbcool/pepper-metrics),其通过收集jedis/mybatis/ht ...