两个总体均值差的推断 — AP 统计学

1. 核心概念与符号 ★★☆☆☆ ⏱ 2 min

两个总体均值差的推断（也称为均值的双样本t推断）是一组用于比较两个不同总体中定量变量真实均值的统计方法。该知识点占AP统计学考试总分的约4-5%，会同时出现在选择题和自由作答题中。

该框架仅适用于两个样本相互独立的情况，即第一组中的任何观测值都不与第二组中的特定观测值存在关联。我们几乎总是对$\mu_1 - \mu_2$（两个总体均值的真实差）进行推断。

2. 双样本推断的适用条件 ★★☆☆☆ ⏱ 3 min

在进行任何推断之前，你必须验证三个核心条件以确保结果的统计有效性。在AP自由作答题中，必须明确检查全部三个条件才能获得满分。

1. **随机性**：两组均是来自各自总体的独立随机样本，或是来自包含两个处理组的随机化对比实验。这保证了抽样分布是无偏的。
2. **独立性**：每个样本内的个体观测值相互独立。无放回抽样时，需要满足10%条件：每个样本量小于其总体规模的10%。
3. **正态性/大样本**：$\bar{x}_1 - \bar{x}_2$的抽样分布近似正态。满足以下任一条件即可：(1) 两个样本量都≥ 30（中心极限定理），或(2) 对于小样本，每个样本的分布都没有极端离群值或强偏斜。

Exam tip: 在自由作答题中永远不要只写‘条件满足’。必须结合题目语境明确验证每个条件才能获得满分。

3. $\mu_1 - \mu_2$的置信区间 ★★★☆☆ ⏱ 4 min

$\mu_1 - \mu_2$的置信区间给出了两个总体均值真实差的所有合理取值范围，遵循标准的置信区间结构：$\text{点估计} \pm \text{边际误差}$。

$\mu_1 - \mu_2$的点估计是$\bar{x}_1 - \bar{x}_2$，即两个样本均值的差。AP统计学默认使用不合并方差的标准误，公式为：

SE = \sqrt{\frac{s_1^2}{n_1} + \frac{s_2^2}{n_2}}

该公式来自以下规则：两个独立随机变量之差的方差等于两个变量方差之和，因此我们始终要将方差项相加（绝不能相减）。AP考试接受两种自由度计算方法：保守方法$df = \min(n_1 - 1, n_2 - 1)$，或是计算器给出的Welch-Satterthwaite近似值，两种方法都能获得满分。最终置信区间为：

(\bar{x}_1 - \bar{x}_2) \pm t^* \times SE

Exam tip: 如果置信区间不包含0，你就可以在显著性水平$\alpha = 1 - \text{置信水平}$下拒绝‘无差异’的原假设，这是多部分自由作答题中常考的关联考点。

4. 双样本t假设检验 ★★★☆☆ ⏱ 3 min

双样本t检验用于检验关于两个总体均值差的论断。原假设几乎总是$H_0: \mu_1 - \mu_2 = 0$，即两个总体均值没有差异。根据研究问题的不同，备择假设可以是双侧、左侧或右侧的。

检验统计量遵循假设检验的标准结构：

t = \frac{(\bar{x}_1 - \bar{x}_2) - \Delta_0}{SE}

其中$\Delta_0$是原假设中的假设差值，几乎总是为0。标准误和自由度的计算方法与置信区间相同，除非题目明确要求使用合并方差，否则始终使用不合并方差的方法。

Exam tip: 在自由作答题中书写假设时，一定要用文字定义你的参数。AP阅卷官要求这一步才能获得假设部分的满分。

5. 常考核心区分点 ★★★★☆ ⏱ 2 min

AP统计学考试中经常考察两个核心区分点，也是考生失分的常见原因，我们在下文介绍这两个区分点。

**合并方差 vs 不合并方差方法**：合并t方法假设两个总体方差相等，实践中几乎无法确认该假设成立。除非题目明确要求使用，否则AP考试从不要求使用合并方差方法，不合并方差始终是默认方法。

**独立双样本 vs 配对样本**：两个总体均值差的双样本推断仅适用于独立组，即两组观测值之间没有关联。配对数据出现在观测值成对出现的情况：例如同一受试者在处理前后的测量，或是根据年龄、性别等混杂变量匹配的受试者。对于配对数据，你需要计算每对内部的差值，然后使用单样本t方法，而不是双样本推断。

Exam tip: AP考试题目中经常会有干扰项：看起来是双样本数据，实际是配对数据。在选择推断方法之前，一定要先检查是否存在配对结构。