統(tǒng)計學在科學研究中占有很重要的地位，機器學習中的很多內(nèi)容也都是以統(tǒng)計學作為基礎(chǔ)的，為了更好的理解一些看起來虛無縹緲的統(tǒng)計學概念，我也查閱了很多資料，但是大多數(shù)講的并不那么通俗易懂，直到看到了“馬同學高等數(shù)學”對概率統(tǒng)計的概念的描述，感覺非常通俗易懂。為了方便以后復習查看有關(guān)統(tǒng)計學的概念，將馬同學的講解的內(nèi)容在這里弄成了一個統(tǒng)計學概念專題。

首先聲明，此篇的內(nèi)容是來自"馬同學高等數(shù)學"微信公眾號的內(nèi)容。

?

目錄

1、t檢驗的歷史

2、t檢驗的思路

2.1?戈斯特的分析：

3、t分布

參考文獻：? ?

---

1、t檢驗的歷史

阿瑟·健力士公司（Arthur Guinness Son Co.）是一家由阿瑟·健力士（Arthur Guinness）于1759年在愛爾蘭都柏林建立的一家釀酒公司：

? ?1951年11月10日，健力士酒廠的董事休·比佛爵士（Sir Hugh Beaver）在愛爾蘭韋克斯福德郡打獵時，因為沒打中金鸻，于是和同行們爭論哪種鳥飛得最快，彼此爭論不休。由于當時的參考資料并不足以回答這個問題，這促使比弗想出版一本記載世界之最的書，這就是后來的《吉尼斯世界紀錄大全》。

還有一個讓健力士公司在歷史留名的，就是他的員工威廉·希利·戈斯特（1876－1937）：

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?? ? ? ? ? ?

在健力士公司，戈斯特提出了t檢驗以降低啤酒質(zhì)量監(jiān)控的成本，但健力士酒廠為了保護公司的商業(yè)機密和智慧財產(chǎn)，明文禁止員工發(fā)表文章。戈斯特并沒有因為這項規(guī)定而放棄他的學術(shù)研究發(fā)表，他在《生物統(tǒng)計期刊》以“學生”（The Student）為筆名，發(fā)表了關(guān)于t檢驗的文章，所以t檢驗又稱為“學生t檢驗”。直到1937年，戈斯特因心臟病去世之前，健力士酒廠一直不知道戈斯特從事統(tǒng)計研究工作，并以“學生”筆名發(fā)表研究成果。許多統(tǒng)計研究者要和戈斯特見面，都必須像間諜電影般地秘密安排見面地點和時間。現(xiàn)在位于都柏林的健力士專賣店中有一個戈斯特的紀念碑，上面寫著“化學家、統(tǒng)計學家威廉·希利·戈斯特，首席釀酒師，學生t檢驗”：

? ? ? ? ? ? ? ? ? ? ? ? ? ??

2、t檢驗的思路

啤酒，主要原料是大麥，啤酒廠肯定是希望盡力提高畝產(chǎn)。比如，健力士公司有下面兩塊麥田：

?

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?

左邊的麥田采用傳統(tǒng)A工藝進行種植，平均每株大麥可以結(jié)100粒穗子。而右邊的麥田采用改進過的B工藝種植，健力士公司想知道“B工藝是否提高了產(chǎn)量”。為了節(jié)約成本、減小損耗，摳門的健力士公司從B工藝的麥田中采樣了5株大麥，樣本均值為120粒穗子。然后把難題拋給了戈斯特。似乎直觀看來產(chǎn)量提高了，畢竟均值增加了20%，可是戈斯特想得更多一些。

2.1?戈斯特的分析：

戈斯特提出一個假設(shè)檢驗：

• 假設(shè)：B工藝沒有提高產(chǎn)量，即AB下的麥穗都是同一個分布

• 檢驗：看看在此假設(shè)下，??發(fā)生的概率高不高

已知的數(shù)據(jù)是，A工藝下的單株麥穗的個數(shù)服從,標準差未知的正態(tài)分布：

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ??

而B工藝下的麥田的樣本均值,樣本數(shù)為5株，早在學習概率論知識時我們就知道，不同的標準差對應的正態(tài)分布的圖像是不同的：

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ??

標準差越大，說明數(shù)據(jù)越分散，那么曲線的跨度就越大，曲線顯得更加‘矮胖’；反之標準差越小，說明數(shù)據(jù)越集中，跨度越小，曲線顯得更加‘高瘦’。

X如果服從正態(tài)分布,這里,跨度不大，采樣5個點使其圖像如下：

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?

由此可見，的概率非常低，即AB下的麥穗是同一個分布的可能性不大，我們有很大把握可以認為B工藝真正提高了產(chǎn)量。

而如果X服從的是跨度更大的正態(tài)分布，采樣五個點使其的圖像如下（為了演示，正態(tài)分布的參數(shù)選的不是很嚴謹）：

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ??

這樣的正態(tài)分布下，的概率并不低，即AB下的麥穗還是可能為同一個分布的，我們沒十足的把握認為B工藝提高了產(chǎn)量。因此，看起來不能單純依靠??，或許除以樣本標準差 s可以消除跨度的影響：

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?

因為A工藝的??我們不清楚，但是我們假設(shè)AB同分布，所以直接使用了樣本標準差?s。當然，樣本數(shù)?n?也會影響結(jié)果。比如說，在 n =1000?下，得到??，那么根據(jù)大數(shù)定理，我們不用算了，基本上可以認為“B工藝提高了產(chǎn)量”。

所以，戈斯特認為應該綜合考慮樣本均值??、樣本方差?s?和樣本數(shù)?n?，給出了一個統(tǒng)計量t值：

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ??

?

該統(tǒng)計量越大說明AB工藝導致的差別越大，越有可能說明“B工藝提高了產(chǎn)量”。

3、t分布

對于t值：，對應的概率密度函數(shù)，也就是t分布為：

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ??

其中，也叫做自由度。而??為伽馬函數(shù)。

接近于正態(tài)分布（灰色曲線表示正態(tài)分布），下面是的t分布

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ??

?

而t值，實際上對應的就是橫坐標的值，比如說t值等于4：

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ??

t=4之后的曲線下面積其實就是P值:

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?

所以，我們知道t值之后，就可以根據(jù)??以及要求的P值，查出當前的t值是否會拒絕我們的假設(shè)。

?舉個例子，比如本文中的AB工藝下的數(shù)據(jù)為：

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?

計算出來：

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?? ? ? ? ? ? ? ?

服從?的t分布：? ? ??

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ??? ? ?

如果我們要求?5%?的顯著水平的話(下兩篇講解P值和置信區(qū)間)，那么就可以拒絕“B工藝沒有提高產(chǎn)量”這個假設(shè)了，也就是說，B工藝使得產(chǎn)量提高了。? ? ? ? ? ? ? ? ? ?

參考文獻：? ?

如何理解t檢驗、t分布、t值? ? ??https://mp.weixin.qq.com/s/SX-Pv8R_0s7adkNxdP_uvw

總結(jié)

以上是生活随笔為你收集整理的t检验(t test)的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。