双样本 t 检验的功效与样本量

用于规划比较两个均值(例如两家供应商或两台机器)的双样本 t 检验。输入共同标准差,以及每组样本量、差值和检验功效三者中的任意两项,工具即可求解第三项。它假定两个独立组的样本量相等且标准差相同,并使用非中心 t 分布。输出包含实际功效的结果表和功效曲线。

最后审阅

核心要点

双样本 t 检验的功效与样本量用于计算双样本 t 检验检测均值差异时每组需要多少个单位、计划样本所具有的检验功效,或可检测的最小差值。

本页内容
  1. 用途
  2. 主要功能
  3. 统计方法
  4. 输入字段和选项
  5. 输出说明
  6. 计算示例

用途

双样本 t 检验的功效与样本量用于在收集数据之前,规划两个均值的比较:每组需要多少个单位才能检测到有意义的差值,计划样本量检测到该差值的概率(检验功效)有多大,或给定样本量能检测到的最小差值。输入样本量、差值和检验功效三者中的任意两项,工具即求解第三项。可在双样本 t 检验之前使用,例如比较两家供应商、两台机器,或变更前后的过程。

主要功能

  • 求解样本量、检验功效或差值:将想求解的一项留空。
  • 一次输入多个值,例如差值“3 5 7”和功效值“0.8 0.9”,每种组合给出一行。
  • 双侧(Mean 1 ≠ Mean 2)或单侧(Mean 1 < Mean 2、Mean 1 > Mean 2)备择假设,置信水平可自行选择。
  • 求解样本量时,报告每组单位的整数个数及其对应的实际功效。
  • 针对每个差值绘制检验功效随样本量变化的功效曲线,并标出求解得到的点。

统计方法

计算假定有两个独立组,每组样本量均为 n,且标准差 σ 相同,与合并双样本 t 检验的假设相同。显著性水平为 α = 1 − 置信水平 / 100,标准化差值为 d = 差值 / σ。

检验功效是当真实差值为所输入的差值时,t 检验拒绝原假设的概率。它根据自由度为 2n − 2、非中心参数为 δ = d·√(n / 2) 的非中心 t 分布计算:对于双侧检验,功效 = P(T > t₁₋α/₂) + P(T < −t₁₋α/₂),其中 T 服从该非中心 t 分布。对于样本量,先求出达到目标功效的 n,并向上取整到下一个整数,再将该 n 对应的功效报告为实际功效。对于差值,则求出在给定 n 下达到目标功效的最小差值。

检验功效随样本量和差值的增大而上升,随标准差增大或置信水平提高而下降。在相同功效下,单侧检验所需的单位数少于双侧检验,但只能检测所述方向上的差值。

输入字段和选项

字段

说明

Sample sizes

每组的样本量。以空格或逗号分隔,例如“10 20 30”。留空则求解样本量。

Differences

以空格或逗号分隔,例如“1 2 3”。希望检测的两个均值之间的差值,以测量单位计。留空则求解差值。

Power values

以空格或逗号分隔,例如“0.8 0.9”。留空则求解检验功效。

Standard deviation

必填。两个总体的假定或历史共同(合并)标准差,例如来自以往数据或试运行。

Confidence level

默认为 95(α = 0.05);范围 75 至 100。

Alternative hypothesis

Mean 1 ≠ Mean 2(默认)、Mean 1 < Mean 2 或 Mean 1 > Mean 2。

Power curve

默认勾选:绘制检验功效随样本量变化的曲线。

Title

显示在输出上的标题。

power-and-sample-size-2-sample-t-inputs


图 1 — 求解样本量:Differences = 5,Power values = 0.8 0.9,Standard deviation = 7,95% 置信水平下的双侧检验。

输出说明

  • Settings——求解的对象、标准差、置信水平和备择假设。
  • Results——每种组合一行:差值、样本量(每组),求解样本量时还有目标功效和实际功效;求解功效时为功效;求解差值时为差值。
  • Power Curve——针对每个差值的检验功效随样本量变化的曲线,并标出计算得到的点。
  • 通过 Download 导出 PDF。

power-and-sample-size-2-sample-t-output


图 2 — 示例结果:80% 的功效每组需要 32 个单位,90% 的功效需要 43 个,并附差值为 5 时的功效曲线。

计算示例

一个质量团队计划开展试验,比较两家供应商零件的平均抗拉强度。以往数据显示标准差为 7 MPa,两家供应商之间 5 MPa 的差值就会产生影响。他们将 Sample sizes 留空,输入 Differences = 5、Power values = 0.8 0.9 和 Standard deviation = 7,并保持 95% 置信水平下的双侧备择假设。

工具显示,80% 的功效(实际功效 0.803)每组需要 32 个零件,90% 的功效(实际功效 0.906)每组需要 43 个零件。若每组仅 20 个零件,功效将为 0.595:漏掉真实 5 MPa 差值的概率约为 40%。要以 80% 的功效检测较小的 4 MPa 差值,每组需要 50 个零件;若只有一个方向有影响(单侧备择假设),每组 25 个零件即可使 5 MPa 差值的功效达到 80%。

常见问题

双样本 t 检验的功效如何计算?

检验功效是当真实差值为所输入的差值时,t 检验拒绝原假设的概率。它根据自由度为 2n - 2、非中心参数为 d 乘以 n/2 的平方根的非中心 t 分布计算,其中 d 为差值除以共同标准差,n 为每组样本量。

双样本 t 功效计算有哪些假设?

它假定有两个独立组,每组样本量相同且标准差相同,与合并双样本 t 检验的假设相同。该标准差由您根据以往数据或试运行输入。检验功效随样本量和差值的增大而上升,随标准差增大或置信水平提高而下降。

双样本 t 检验每组需要多少个样本?

在一个计算示例中,标准差为 7 MPa,有影响的差值为 5 MPa,95% 置信水平下的双侧检验,每组 32 个零件可达到 80% 的功效,每组 43 个可达到 90%。每组仅 20 个零件时功效为 0.595。要以 80% 的功效检测较小的 4 MPa 差值,每组需要 50 个零件。

单侧双样本 t 检验需要的样本更少吗?

是的。在相同功效下,单侧检验所需的单位数少于双侧检验,但只能检测所述方向上的差值。在计算示例中,单侧备择假设要以 80% 的功效检测 5 MPa 的差值,每组需要 25 个零件,而双侧检验每组需要 32 个。