t分布及其应用的探讨 Discussion on t-Distribution and Its Application

doi:10.12677/SA.2015.44036

Statistical and Application
Vol.04 No.04(2015), Article ID:16688,16 pages
10.12677/SA.2015.44036

Discussion on t-Distribution and Its Application

Xiaozheng Shen, Rengkang Wu

●Abstract

●Full-Text PDF

●Full-Text HTML

●Linked References

School of Statistics and Mathematics, Yunnan University of Finance and Economics, Kunming Yunnan

Received: Dec. 9^th, 2015; accepted: Dec. 27^th, 2015; published: Dec. 30^th, 2015

This work is licensed under the Creative Commons Attribution International License (CC BY).

http://creativecommons.org/licenses/by/4.0/

ABSTRACT

The t-distribution is an important distribution in statistics, it has very important application in the interval estimation and hypothesis test, including t-test in the interval estimation of single samples, two samples of independent interval estimation, one sample of the mean test, two sample mean difference. The paper introduces the nature of t-distribution and its application in real life, such as product life, fishery, agriculture, and also achieves a single sample and two sample t-test in the test of hypothesis with the help of the statistical software SPSS.

Keywords:t-Distribution, Interval Estimation, t-Text, SPSS Software

t分布及其应用的探讨

申小征，吴仍康

云南财经大学统计与数学学院，云南昆明

收稿日期：2015年12月9日；录用日期：2015年12月27日；发布日期：2015年12月30日

摘要

t分布是统计学中的一类重要分布，它在区间估计和假设检验中有很重要的应用，具体包括单样本的区间估计、独立两样本的区间估计、单样本的均值检验、两样本均值差的t检验。文中详细介绍了t分布定义性质及其在产品寿命、渔业、农业等实际生活中的应用，并借助统计软件SPSS实现单样本t检验和两样本t检验。

关键词 :t分布，区间估计，t检验，SPSS软件

1. 引言

t分布是统计学中的一类重要分布，英国统计学家哥塞特（Gosset）发现了它与标准正态分布的微小差别，在置信区间估计和显著性检验问题的计算中起到了重要作用。从各种有关统计资料中可以发现很多有关t分布的应用，例如在渔业中、农业、工业等中的应用，为此可用t分布进行区间估计和假设检验来解决一些实际生活问题。

t检验是假设检验方法最常用方法之一，常用于正态总体均值的假设检验。单边检验和双边检验的拒绝域在许多统计学和概率论的教材中都给出了明确的定义。当样本数据比较多的时候，t检验方法虽然简单，但其计算量仍然比较大，因此我们可以使用SPSS软件来实现t检验。本文用SPSS13.0分别讨论了单样本与独立两样本两种情形的t检验。

2. t分布

2.1. t分布的定义[1]

假设随机变量且变量与变量相互独立，则称的分布为自

由度为n的t分布，记作。

下面导出t分布的密度函数。由标准正态密度函数的对称性可知，与相同分布相同，从而t与−t有相同分布。这说明：对任意实数y有

于是

由F变量构造可知，，将上式两边关于y求导可得t分布的密度函数为

这就是自由度为n的t分布的密度函数。

t分布是一簇曲线，其形态大小变化与自由度的大小相关。如果自由度v越小，t分布的曲线就越低平；如果v自由度越大，t分布的曲线越与标准正态分布曲线接近，t分布图像，如图1。

2.2. t分布的性质 [1]

性质1：设是来自正态分布的一个样本，与分别是该样本均值与样本方差，则有

(1.1)

证明：由于所以可以推出。将(1.1)式左端改写成为

因为分母的根号里是自由度为的变量除以它的自由度，分子是标准正态变量，并且分子与分母相互独立，我们由t分布定义可知，证毕。

性质2：设是来自的样本，是来自的样本，且此两样本相互独立，记

其中

则有

设，并记

Figure 1. Degree of freedom was 1, 5, ∞ for the t distribution

图1. 自由度为1、5、∞的t分布

则有

3. t分布在区间估计中应用

3.1. 单样本的区间估计 [1]

3.1.1. 均值的区间估计

方差未知时，t统计量，其中s为样本标准差，n为样本容量．

利用t分布，对于任意可能的偏差，我们计算概率, 设

其中，即，则对于置信度

，可以查t分布表（自由度为），求出，进而按上式求出偏差，便可得到的置信区间为

，或，

即。

也常记为，此处是的无偏估计。

3.1.2. 单样本区间估计的应用

1) 在渔业中的应用

例2.1 某水产研究所池塘养殖室，1979年在某渔场一块面积15亩的池塘，他们将利用城市的污水进行养殖鲢、鳙鱼来进行试验，年初时鲢、鳙鱼种在池塘中各放入12,000条(其中鱼的个体长约8寸)，经数据统计知年终取样捕捞鳙鱼22条，经计算可以得到样本均值为市斤，该样本的标准差为市斤．试求该样本总体均值以90%的置信区间。

解：自由度和查t分布表可得到，由此可得偏差为

所以置信区间为

即。

也就是说，我们有90%的把握推断该鱼塘鳙鱼平均体重为1.22~1.46市斤．有时候我们需要知道样本量，故可通过单样本区间估计得出样本量。样本量的确定，从2.1.1的推导我们可以知道，对于置信区间

，偏差满足。由可以得到通常我们取等于自由度为时的值来确定取样数比较可靠：，其中可以在正式调查前的预备调查中的实际算

出。

例2.2 在上例所述的池塘中，假设已知鲢鱼样本标准差为市斤，如果我们要求样本均值与总体均值的允许偏差为总体均值的允许偏差为0.07市斤，试求90%置信概率的鲢鱼样本应取样数。

解：

即取样数为16即可。

2) 单样本区间估计在产品寿命中的应用

例2.3 [2] 假定某种轮胎的寿命服从正态分布．为了估计这种轮胎的平均使用寿命，我们随机地抽取12只轮胎进行试用，测得它们的使用寿命（单位：万千米）如表1。

试求平均寿命的0.95置信区间。

解：这里正态总体的标准差未知，故可使用t分布求均值的置信区间．其中，．取，查t分布表可知，故轮胎平均寿命的0.95置信区间为

实际应用当中，我们总期望轮胎的使用寿命能够越长越好，所以，这里我们可以只求轮胎平均寿命的置信下限，即构造单侧的置信下限，由于

从上述不等式变形可以得到的置信下限为。将代入计算可得轮胎平均寿命的0.95置信下限为4.5806(万千米)。

例2.4 [2] 假设某种灯泡的寿命服从正态分布，我们先从一批灯泡中随机抽取16只灯泡，测得这16只灯泡使用寿命（小时）如表2。

试确定该批灯泡平均使用寿命95%的置信区间。

解：根据抽样结果计算的：

根据查t分布表得，故平均使用寿命的置信区间为：

Table 1. The use life of 12 tires were randomly selected (unit: million)

表1. 随机抽取12只轮胎的使用寿命(单位：万千米)

Table 2. The service life of the 16 light bulbs were randomly selected

表2. 随机抽取16只灯泡的使用寿命

故该种灯泡平均使用寿命95%的置信区间为(1476.8，1503.2)小时。

3.2. 独立两样本的区间估计 [3]

设是来自的样本，是来自的样本，且此两样本相互独立。与分别是它们的样本均值，记

，

分别为样本x和样本y的样本方差，下面讨论两个均值差。

3.2.1. 两样本均值差的区间估计

1) 两样本方差相等且未知时

枢轴量,

记，则的置信区间为

2) 已知两样本方差比值时

。

，

枢轴量，

则的置信区间为。

3.2.2. 独立两样本的区间估计的应用

1) 在军事中的应用 [3] [4]

例2.5 为了比较某两种型号为a，b的两种步枪子弹的枪口速度，随机地抽取出a型子弹10发，得到枪口速度的平均值为，标准差，随机地抽取出b型子弹20发，得到枪口速度的平均值为．标准差．这里我们都假设两样本都可认为近似的服从正态分布，且两种型号子弹的生产过程可认为方差相等，求两样本均值差的一个置信水平为0.95的置信区间。

解：我们可以知道两个总体的样本是相互独立的，且假设两样本的方差相等，但方差的数值未知，

所以可以利用公式来求均值的置信区间，由于，，

，，，。，，故所求的两总体均值差的一个置信水平0.95的置信区间是

即。

2) 独立两样本的区间估计在工业中的应用

例2.6为了提升某一化学生产过程的得率，我们么试图采用一种新的催化剂。为了慎重起见，需要在实验工厂对此新的催化剂进行实验．假设采用原来的催化剂进行了次试验，我们得到的得率的平均值，其样本方差为；又采用新的催化剂进行了次试验，得到得率的平均值，样本方差．这里假设两样本都可认为服从正态分布，两样本相互独立，并且两样本的方差相等。试求两样本总体均值差的置信水平为0.95的置信区间。

解：，，由公式

求得置信区间为，

即。

因为得到的置信区间包含零，在实际应用当中我们认为采用这两种催化剂所得的得率的均值是没有显著差别。

4. t分布在假设检验中的应用

4.1. 单样本t检验

4.1.1. 单样本t检验定义

t检验是常用的假设检验方法之一，常用于正态总体均值的假设检验，单样本t检验中

当

(1)

的假设检验问题成为双边假设检验；

当

(2)

的假设检验问题成为左边检验

当

(3)

的假设检验问题成为右边检验

在单个正态总体均值的检验中，当未知时，可选用t检验中(1)、(2)、(3)。

未知时，是的一个置信水平为的单侧置信区间，其中是置信

下限，即对于任意的，有

． (4)

考虑右边检验，其拒绝为，等价于

， (5)

恒等变形得,即；同理如果，则，恒等变形得

(6)

即有，此时应接受．所以我们要检验假设(3)，可先求出的置信水平为的单

侧置信区间，然后考察区间是否包含，

若，则接受；若，则拒绝。

4.1.2. 单样本t检验的应用

1) 单样本t检验在产品寿命中的应用

单样本在SPSS统计软件中，置信区间类型为 (置信度为)，故我们通过求出的置信度为的置信区间，即可求出的置信度为的单侧置信区间，同理按上述方法可以检验假设(3)。

例3.1 [5] [8] 某种产品的使用寿命x(以h计)服从正态分布，未知，随机抽取16只该产品，测得16只该产品的使用寿命如表3。

问是否可以认为该产品的平均使用寿命大于225小时(取显著性水平为)？

解：原假设和备择假设为，建立数据文件，然后点击软件SPSS13.0中“Analyze → Descriptive Statistics → Explore” [5] -[10] 就能得出图2的结果，其中置信度设置为。

由图2可知，均值的置信度为的单侧置信区间为。又因为，所以在显著性水平下接受，故认为该产品的平均使用寿命小于等于225小时。

Table 3. The service life of the product is measured in 16 (unit: h)

表3. 测得16只产品的使用寿命(单位：h)

Figure 2. A sample of a sample of a product

图2. 某种产品抽样样本数据表

2) 单样本t检验在农业中的应用

例3.2 有一种新型农药防治柑桔红蜘蛛，进行了9个校区的实验，其防治效果为：95%，92%，88%，92%，93%，95%，89%，98%，92%，与原用农药的防治效果90%比较，分析其效果是否高于原用农药。

解：在这里应用spss13.0软件来分析，在数据编辑窗口输入分析数据，在软件spss13.0主菜单中选中“Analyze→Compare Means→One-Sample T Test”，打开单一样本T检验主对话框，从左边的变量列表中选中“防治效果”变量之后，点击中部的右拉按钮，使得这个变量就进入到检验分析“Test Variable(s):”框里，用户可以从左边变量列表里选择一个或多个变量进行分析。在“Test Variable(s)”输入栏里，输入用于比较检验的均值：在本例中为90。单击“Options”按钮，打开设置检验的置信度和缺失值对话框。在“Confidence Interval:”框输入置信度水平，系统默认为95%。在“Missing Values”栏里选择缺失值处理方式：输入完成后，在过程主窗口中单击“OK”按钮，SPSS输出分析结果如图3。

从图3中读取数值，t值为2.596，Sig.(2-tailed)为单边t检验的显著性概率0.032，小于0.05，由此得出结论：新型农药和原用农药差异显著。

3) 单样本t检验在材料中的应用

例3.3 某种汽车配件的平均长度要求为12 cm，高于或低于标准均被认为是不合格的。汽车生产企业在购进配件时，通常是经过招标，然后对中标的配件提供的样品进行检验，用来决定是否购进此汽车配件．现在对一个配件提供商提供的10个样本进行了检验。结果如表4。

假设该供货商生产的配件长度服从正态分布，在0.05的显著性水平下，检验该供货商提供的配件长度符合标准要求？

解：依题意建立如下原假设与备择假设：

根据样本数据计算得：

由于为小样本，采用t检验：

根据自由度，查t分布表得：，

由于，所以不拒绝原假设，样本提供的证据还不足以推翻原假设。

单样本t检验在日化产品中的应用

Figure 3. The results of the test results of the old and new pesticides

图3. 新旧农药防治效果的t检验结果

Table 4. 10 length of accessories (unit: cm)

表4. 10个配件的长度(单位：cm)

例3.4，某日化生产厂家生产一批次牙膏，要求牙膏总重为151.70 g，管长15.65 cm。随机抽取该批次30支牙膏，分别称重(g)为(表5)。

灌装后管长(mm)为(表6)。

判断这批牙膏是否符合标准要求？

解：应用spss13.0软件来分析，在数据编辑窗口输入分析数据，在软件spss13.0主菜单中选中“Analyze → Compare Means → One-Sample T Test”，打开单一样本T检验主对话框，从左边的变量列表中选中“重量”变量之后，点击中部的右拉按钮，使得这个变量就进入到检验分析“Test Variable(s):”框里。在“Test Variable(s)”输入栏里，输入用于比较检验值：在本例中重量检验值为为151.70，灌装后管长检验值为156.5。单击“Options”按钮，打开设置检验的置信度和缺失值对话框。在“Confidence Interval:”框输入置信度水平，系统默认为95%。在“Missing Values”栏里选择缺失值处理方式：输入完成后，在过程主窗口中单击“OK”按钮，SPSS输出分析结果如图4。

从图4中可知经单样本双侧t检验得到的显著性水平，故与检验值151.70没有显著性差异，这批牙膏的重量是符合质量要求。

从图5中可知经单样本双侧t检验得到的显著性水平，故与检验值156.50没有显著性差异，这批牙膏灌装后的管长符合质量要求。

对于牙膏来说重量明显大于或小于标准值，通常需要进行设备调整，重量太大，会增加相对的损耗，也容易在灌装过程中造成牙膏软管破损；重量太轻，就会损害消费者的权益。故t检验在牙膏质量检测中起着非常重要的作用。

4.2. 独立两样本t检验

4.2.1 . 独立两样本t检验定义 [1]

独立两样本t检验可用于两正态总体均值差的建设检验，设是来自正态总体的样本，是来自正态总体的样本，均未知．两样本相互独立，即他们的样本均值分别为和，样本方差为和，考虑检验问题：

，(7)

1.当时，选用检验统计量

，;

Table 5. Weighing 30 toothpaste (unit: g)

表5. 30支牙膏的称重(单位：g)

Table 6. 30 toothpaste filling tube (unit: mm)

表6. 30支牙膏灌装后管长(单位：mm)

Figure 4. Toothpaste filling weight t test results

图4. 牙膏灌装重量t检验结果

Figure 5. Toothpaste filling tube of t test results

图5. 牙膏灌装管长t检验结果

2.当，用校正的t检验，此时

， (8)

其自由度n计算如下

与单边单样本t检验类似，在单边独立两样本t检验(7)中，也可先求出量总体均值差的置信度为置信区间，从而可以求出的置信度为单侧置信区间，再根据是否属于单侧置信区间，则接受;否则拒绝。

4.2.2 . 独立两样本t检验的应用

1) 独立两样本t检验在啤酒业中的应用

例3.5 [1] 在20世纪70年代后期，在酿造啤酒的时候人们发现麦芽的干燥过程中容易形成对人体有伤害的致癌物质亚硝酸二甲胺(NDMA)。到了20世纪80年代初期为了避免酿造啤酒时麦芽干燥过程产生致癌物质亚硝酸二甲胺，研发了一种新型的麦芽干燥过程．下面给出了新老两种麦芽在干燥过程中形成的亚硝酸二甲胺含量(以下数据以20亿份中的份数统计得到)：

假设该两样本分服从自正态总体分布，单参数均未知，且该两样本相互独立，分别以记对应于老、新过程两样本的总体均值、试检验假设

首先将新老两种麦芽在干燥过程中形成的亚硝酸二甲胺含量(表7)数据输入到SPSS13.0中，点击“Analyze→Compare Means→Independent-Samples T test [6] [7] [9] ”，设置好其中的检验变量和分组变量，在选项中设置其置信度为，再点击“Continue→OK”，得到图6，图7的分析结果。