T-TEST和ANOVA
T-TEST与ANOVA
收集和计算统计数据以获得均值通常是一个漫长而乏味的过程。 t检验和单因素方差分析（ANOVA）是用于此目的的两种最常见的检验。
t检验是统计假设检验，如果支持零假设，则检验统计量遵循学生t分布。当测试统计量遵循正态分布并且已知测试统计量中的缩放项的值时，将应用此测试。如果缩放项未知，则将其替换为基于可用数据的估计。测试统计将遵循学生的t分布。
William Sealy Gosset于1908年介绍了t统计量.Gosset是爱尔兰都柏林吉尼斯啤酒厂的化学家。吉尼斯啤酒厂的政策是招聘牛津和剑桥最优秀的毕业生，从那些能够为公司既定的工业流程提供生物化学和统计学应用的人员中进行选择。 William Sealy Gosset就是这样的毕业生。在此过程中，William Sealy Gosset设计了t检验，该检验最初被设想为以经济有效的方式监测粗壮啤酒（啤酒厂生产的黑啤）的质量。 Gosset在Biometrika的笔名“学生”中发表了大约1908年的测试。笔名的原因是吉尼斯的坚持，因为该公司希望保留他们关于利用统计数据作为其“商业秘密”一部分的政策。
T检验统计通常遵循T = Z / s的形式，其中Z和s是数据的函数。 Z变量旨在对备选假设敏感;实际上，当备选假设为真时，Z变量的幅度更大。同时，'s'是缩放参数，允许确定T的分布。 t检验的假设是a）Z遵循零假设下的标准正态分布; b）ps2遵循零假设下具有p自由度的χ2分布（其中p是正常数）; c）Z值和s值是独立的。在特定类型的t检验中，这些条件是所研究人群的结果，以及数据采样的方式。
另一方面，方差分析（ANOVA）是统计模型的集合。虽然研究人员和统计学家长期使用方差分析的原则，但直到1918年，罗纳德·费希尔爵士才提出一项建议，在一篇题为“亲属关于假设孟德尔遗传的相关性”的文章中正式分析方差。 。从那时起，ANOVA的范围和应用范围不断扩大。 ANOVA实际上是用词不当，因为它不是来自差异的差异，而是来自群体均值之间的差异。它包括相关程序，其中特定变量中观察到的方差被划分为可归因于不同变化源的组件。
基本上，ANOVA提供统计检验以确定几个组的平均值是否全部相等，并且因此将t检验推广到两个以上的组。 ANOVA比双样本t检验更有用，因为它提交I类错误的可能性较小。例如，具有多个双样本t检验比提供平均值所涉及的相同变量的ANOVA更有可能提交错误。模型相同，检验统计量为F比率。简单来说，t检验只是ANOVA的一个特例：进行ANOVA会产生多次t检验的相同结果。有三类ANOVA模型：a）固定效应模型，假设数据来自正常人群，仅在手段上有所不同; b）随机效应模型假设数据描述了不同群体的层次结构，其差异受到层次结构的约束; c）混合效应模型，其中存在固定和随机效应。
摘要：
- 在确定两个平均值或平均值是相同还是不同时使用t检验。当比较三个或更多平均值或平均值时，ANOVA是优选的。
- 使用更多均值时，t检验有更多提交错误的几率，这就是比较两种或更多种方法时使用ANOVA的原因。
