在进行t检验时，会做出哪些假设？ 编辑

T检验在统计学和计量经济学中常用来确定两个结果或变量的值是不同的。

在进行t检验时，常见的假设包括测量尺度、随机抽样、数据分布的正态性、样本量的充分性和标准差方差的相等性。

关键要点

• t检验是一种统计方法，用于根据数据样本确定两组平均值之间是否存在显著差异。
• 该测试依赖于一组假设，以便正确解释并具有有效性。
• 在这些假设中，数据必须从感兴趣的人群中随机抽样，并且数据变量服从正态分布。

T检验

这个T检验是由一位为吉尼斯酿酒公司工作的化学家发明的一种简单的方法来衡量烈性酒的一致性。 它得到了进一步的发展和调整，现在指的是任何统计假设的检验，在这种检验中，被检验的统计量如果支持零假设的话，就应该对应于t分布。

t检验是通过使用统计检验对两个总体均值进行分析；两个样本的t检验通常用于小样本，在两个正态分布的方差未知时检验样本之间的差异。

T分布基本上是由正态分布总体的平均值估计产生的任何连续概率分布，使用小样本和未知的总体标准差。零假设是两个不同的测量现象之间不存在关系的默认假设。（相关阅读请参见：强零假设意味着什么？ )

T检验假设

1. 关于t检验的第一个假设涉及测量范围。t检验的假设是，应用于所收集数据的测量量表遵循连续或顺序量表，例如智商测试的分数。
2. 第二个假设是简单随机抽样数据是从总人口中有代表性的随机选择部分收集的。
3. 第三个假设是，当绘制数据时，结果是正态分布，钟形分布曲线。假设为正态分布时，可以指定概率水平（α水平、显著性水平、；p)作为接受的标准。在大多数情况下，可以假设5%的值。
4. 第四个假设是使用了相当大的样本量。较大的样本量意味着结果的分布应该接近正态钟形曲线。
5. 最后的假设是方差. 当样本的标准差近似相等时，存在均匀或相等的方差。