单样本T检验的样本量影响

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

看到过T检验适合小样本量的说法，尤其是对30以下的样本量。
按照谢老大的一个图示例子，照猫画虎做了个图形验证这个结论。
验证单样本T检验，思路如下：
1、随机生成10000个均值为1的数据；
2、将样本量i从10到1000循环，从10000个总数据中抽取i个数据并进行均值为1的T检验，针对每个i做10次取检 验p值的平均数；
3、记录样本量i和对应平均p值的对应编写，并画散点图。
从第一个图看出，样本量对检验的结果并没有很大的影响。
而传入检验的均值参数不是1：以0.9、0.8、0.7、0.6，直到0.6时才有显著的效果。
如第二图所示，但也是在样本量较大的时候，p值都表现在0.05的拒绝线以下。小样本中很多犯了取伪错误。
多运行几次0.6的效果不一（0.05线以下的点数），但总体都是大样本好于小样本。
自己从两图得出的结论是，T检验并不是小样本量的时候效果很好。有两个问题请教大家：
1、不知道这个验证靠谱不，在思路或基本概念上有没有很大的问题。
2、程序中用到了个for循环，因为循环体内的部分用到了计数i，用不了replicate。这种显式循环能有别的办法 替代么。
谢谢 ~~
代码如下

1. myTtest <- function(mean_t, mean_v) {
   
2.   base <- rnorm(10000, mean = mean_t, sd = runif(1, 2, 5))
   
3.   x <- c(0)
   
4.   y <- c(0)
   
5.   for (i in 10 : 1000) {
   
6.     x <- append(x, i, after = length(x))
   
7.     pTmp <- replicate(10, {
   
8.       x1 <- sample(base, i)
   
9.       t.test(x1, mu = mean_v, alternative = "two.side")$p.value
   
10.     })
    
11.     y <- append(y, mean(pTmp), after = length(y))
    
12.   }
    
13.   t_test <- data.frame(points = x, pval = y)
    
14.   t_test <- subset(t_test, points > 0)
    
15.   
    
16.   plot(t_test, col = rgb(0, 0, 1, 0.6))
    
17.   abline(h = 0.05, v = 30, col = "red")
    
18. }
    
19. myTtest(1, 1)
    
20. myTtest(1, 0.6)

复制代码

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：单样本t检验 单样本 t检验 样本量 replicate 检验 样本 影响

楼主的代码框是怎么弄上去的？

"[代码][/代码]"
放在这两个标签中间。使用时中文汉字“代码”用"code"代替

t_test <- subset(t_test, points > 0)
为什么要加这一句呢？x应该都是正的吧？楼主能讲解一下么

t_test <- subset(t_test, points > 0)
这句是为了去掉那个（0,0）的点，就是下面这两句初始化时赋值的0.
x <- c(0)
y <- c(0)

x除了初始化的这个数之外都比零大的，去掉纯粹是为了图上少个碍眼的点。没什么大的用处，呵呵。

根据COS上益辉的回复，对t检验来说，这样纵向比较的情况下，大样本比小样本“好”几乎是肯定得。
所谓的t样本适合小样本，应该是同样小样本量的情况下，t检验跟别的什么方法横向比较才行。。。

kankan................