对两个总体均值之差开展假设检验

AP 统计学· 12 分钟阅读

1. 第1步：写出假设并定义参数★★☆☆☆⏱ 8 min

[Block type renderer not yet implemented · content will appear once shipped]

📘 定义

双样本假设检验符号体系

$H_{0}, H_{a}$

原假设主张两个总体均值不存在差异；备择假设主张差值不为0、大于0或小于0，完全匹配给定的研究问题。

📐 例题

某研究者声称10年级学生的平均每日睡眠时间比9年级学生更长。请写出该检验对应的正确假设。

1
首先明确定义参数：
2
$μ_{1}$ = 所有10年级学生的真实平均每日睡眠时间， $μ_{2}$ = 所有9年级学生的真实平均每日睡眠时间
3
原假设（总体均值无差异）：
4
$H_0: \mu_1 - \mu_2 = 0$
5
与研究者主张对应的单侧备择假设：
6
$H_a: \mu_1 - \mu_2 > 0$

2. 第2步：验证推断条件★★★☆☆⏱ 10 min

[Block type renderer not yet implemented · content will appear once shipped]

独立性：每个样本内部的观测相互独立，且两个样本完全互不相关。10%准则要求每个总体的规模至少是对应样本量的10倍。
正态/大样本：对于每个样本，若n < 30，你必须确认样本分布不存在严重偏态或异常值。若n ≥ 30，中心极限定理成立， $ar{x}_1 - ar{x}_2$ 的抽样分布近似正态。

📐 例题

你要比较50名城区通勤者和42名郊区通勤者的平均通勤时长，两个样本均为随机样本。请验证该检验的正态条件。

1
样本1（城区通勤者）：n1 = 50 ≥ 30，根据中心极限定理， $ar{x}_1$ 的抽样分布近似正态。
2
样本2（郊区通勤者）：n2 = 42 ≥ 30，根据中心极限定理， $ar{x}_2$ 的抽样分布近似正态。
3
两个近似正态分布的差值也服从近似正态分布，因此正态条件完全满足。

3. 第3步：计算检验统计量和P值★★★★☆⏱ 12 min

[Block type renderer not yet implemented · content will appear once shipped]

t = \frac{(\bar{x}_1 - \bar{x}_2) - (\mu_1 - \mu_2)_{H_0}}{\sqrt{\frac{s_1^2}{n_1} + \frac{s_2^2}{n_2}}}

📐 例题

样本1：n1=25，x̄1=18.2，s1=3.1；样本2：n2=30，x̄2=15.7，s2=2.8。针对H0: μ1 - μ2 = 0的检验计算t统计量。

1
将数值代入检验统计量公式：
2
$t = \frac{(18.2 - 15.7) - 0}{\sqrt{\frac{3.1^2}{25} + \frac{2.8^2}{30}}}$
3
先化简分母：
4
$\sqrt{\frac{9.61}{25} + \frac{7.84}{30}} = \sqrt{0.3844 + 0.2613} = \sqrt{0.6457} \approx 0.8036$
5
最终t统计量：
6
$t \approx \frac{2.5}{0.8036} \approx 3.111$

✓ 快速检测

测试你对计算规则的理解：

当n1=25、n2=30时，正确的保守自由度是多少？
- 24
- 29
- 53
- 54
显示答案
24 —
保守自由度为min(n1-1, n2-1) = min(24, 29) = 24。

4. 第4步：写出贴合情境的结论★★★☆☆⏱ 7 min

[Block type renderer not yet implemented · content will appear once shipped]

📐 例题

前面的睡眠时间差异检验得到的p值为0.023，显著性水平α = 0.05。请写出完整有效的结论。

1
1. 比较p值和α：0.023 < 0.05
2
1. 给出正式决策：我们拒绝原假设。
3
1. 关联完整情境：有充分证据表明10年级学生的真实平均睡眠时间长于9年级学生的真实平均睡眠时间。

5. 常见陷阱

错误做法:

默认使用合并双样本t检验

原因:

除非题目明确说明总体方差相等，否则AP阅卷员会对使用合并检验的答案扣分

正确做法:

在AP考试中开展所有双样本均值推断时，始终使用非合并的韦尔奇t检验。

错误做法:

将n1和n2相加来验证n ≥ 30的正态条件

原因:

中心极限定理适用于每个独立的抽样分布，而非合并后的样本

正确做法:

分别对两个组单独验证正态/大样本条件。

错误做法:

写出仅提及样本差值而非总体差值的结论

原因:

假设检验是对总体参数作出推断，而非对观测到的样本结果作出推断

正确做法:

在结论的每一部分都明确提及「真实总体均值」。

错误做法:

对两个独立样本使用配对t检验

原因:

配对检验适用于匹配的观测值，不适用于相互独立的不同分组

正确做法:

在选择双样本t检验之前，先确认两个样本是相互独立的。

错误做法:

当p值较大时声称你「接受原假设」

原因:

我们没有证据证明原假设100%成立，仅能说明我们无法拒绝它

正确做法:

对于不显著的结果，使用标准表述「不拒绝原假设」。

6. 速查表

组成部分	公式 / 要求
假设	$H_{0} : μ_{1} - μ_{2} = 0$ , $H_{a} : μ_{1} - μ_{2} > / < / \neq = 0$
条件	随机、独立（10%准则）、正态（n≥30或无异常值）
t统计量	$t = \frac{( x ˉ _{1} - x ˉ _{2} )}{s _{1}^{2} / n _{1} + s _{2}^{2} / n _{2}}$
保守自由度	$min (n_{1} - 1, n_{2} - 1)$
结论结构	p值 < α → 拒绝H0，写出贴合情境的结论

真题中的出现

AI 根据考纲规律估算的考点位置,请对照官方真题核实准确性。仅作复习重点参考。

2023 · FRQ 2
检验分数差异的双样本t检验
2022 · MCQ Set 7
确定双样本检验的正确p值
2021 · FRQ 3
验证双样本t检验的条件

下一步

完全掌握双样本t检验的全流程是AP统计学自由作答题中权重最高的考点之一，几乎每隔一次考试就会出现该类题目。接下来你会将该逻辑拓展到比较两个总体比例之差的场景（而非定量均值），并学习如何针对任意给定的题干判断应当使用哪类推断检验。该技能也能帮助你在占总分25%的探究任务自由作答题中拿到满分。