对两个总体均值之差开展假设检验

AP 统计学· AP统计学课程与考试说明（2026年秋季生效）：Unit 4，Topic 4.10——两个总体均值之差的检验· 12 分钟阅读

1. 第1步：写出假设并定义参数★★☆☆☆⏱ 8 min

任何双样本t检验的第一个正式步骤是明确定义你要比较的总体参数，之后使用正确的符号写出原假设和备择假设。双样本检验的原假设几乎总是假定两个总体均值不存在差异，因此 $H_{0} : μ_{1} - μ_{2} = 0$ 。

📘 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

所有双样本t检验在开展计算前都需要满足三项必备条件：随机、独立、正态/大样本。随机条件要求两个样本都从各自对应的总体中随机抽取，或是在对照实验中对分组进行随机分配。

独立性：两组相互独立，且各组内观测可视为独立。随机不放回抽样时，检查每个样本量不超过对应总体的10%。随机分配的实验不要求满足该10%条件。
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， $\overset{x}{ˉ}_{1} - \overset{x}{ˉ}_{2}$ 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， $\overset{x}{ˉ}_{1}$ 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， $\overset{x}{ˉ}_{2}$ 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

非合并双样本t方法不要求总体方差相等。可使用计算器给出的韦尔奇-萨特思韦特自由度，或在查t表时使用保守自由度df = min(n1 - 1, n2 - 1)。p值所对应的尾部方向应与备择假设一致。

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。

p值解释（CED 4.10.B.1）：在均值无差异的原假设成立的前提下，p值是在备择假设方向上得到至少与观测值同样极端的样本均值差的概率。p值不是原假设为真的概率。

4. 第4步：写出贴合情境的结论★★★☆☆⏱ 7 min

清楚的结论应比较p值与显著性水平，说明是否拒绝原假设，并结合情境回答研究问题。p ≤ α时拒绝原假设，否则不拒绝。结论的适用范围应与研究设计一致。

📐 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:

合并t检验增加了总体方差相等的假设，而非合并方法不需要该假设。

正确做法:

使用本页介绍的非合并双样本t方法，不要引入缺乏依据的等方差假设。

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	随机抽样或随机分配；组间及组内观测独立（仅不放回抽样需检查10%条件）；每组n≥30或无严重偏态及异常值
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 ≤ α → 拒绝H0；p > α → 不拒绝H0；结合情境写出结论

下一步

比较两个总体比例时，也会用到相同的假设检验思路，但应选择适合数据类型的方法与条件。继续练习根据研究设计判断结论能否推广到总体，以及能否支持因果结论。