样本量60可以用t检验吗 t检验样本量

u检验在总体方差已知的情况使用,要求两组样本量之和超过40.t检验在总体方差未知、样本方差已知的情况使用,要求两组样本量之和超过40.你的数据样本方差已知(我想你应该不知道总体方差),样本量也符合要求,可以使用成组t检验考察两组是否有显著差异.最好使用使用spss软件的成组t检验,可以提供样本方差不齐的校正.另外,你的数据不必过分考虑正态问题,因为按照中心极限定理,当样本量大于30时,不管原来的总体分布如何,其样本平均值都会近似服从正态分布,如果两组样本量基本相等就更好,这样对违反正态假设和方差齐性假设更加稳健(也就是违背这些假设对结果的准确性影响不大).你的数据符合这些要求,因此使用t检验不会成为问题.

两样本均值的比较,且样本量大于50,就用t检验啊.

完全可以做的

因为t检验分布表中的自由度只有1-60是精确地,再往后的t值都只有自由度为120和正无穷的值可查.也就是说,越大的样本,自由度越大,t值的检验越不精确.所以t检验不适合太大样本.

不满足正态就做非参数

可以,用两独立t检验

卡方检验试用条zd件 1.随机样本数据; 2.卡方检验的理论频数不能太小. 两个独立样本比较可以内分以下3种情况: 1.所有的理论数T≥5并且总样本量n≥40,用Pearson卡方容进行检验. 2.如果理论数T

给你举两个例子——配对样本t检验:现在要分析人的早晨和晚上的身高是否不同,于是找来一拨人测他们早上和晚上的身高,这里每个人就有两个值,这里出现了配对,然后考虑每个人的早上和晚上身高的差,这样就可以构造一个t统计量分析了;独立样本t检验:现在要分析男生和女生的身高是否相同,于是找来一波男生女生,把男生们的平均身高减去女生们的,就可以构造t统计量.两者的主要区别在于数据的来源和要分析的问题.

可以的. 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 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z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.戈斯特在位于都柏林的健力士酿酒厂担任统计学家,基于Claude Guinness聘用从牛津大学和剑桥大学出来的最好的毕业生以将生物化学及统计学应用到健力士工业程序的创新政策.戈斯特于1908年在Biometrika上公布t检验,但因其老板认为其为商业机密而被迫使用笔名(学生).实际上,跟他合作过的统计学家是知道“学生”的真实身份是戈斯特的.

T检验的条件:要比较的数据必须是计量数据而非计数数据,组别为2组,2组以上则是做方差分析.t检验通常需要做一个方差齐性检验. 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未知的正态分布资料. 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z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.