单样本 t 检验

T 检验和 u 检验就是统计量为 t,u 时的假设检验。都是常见的假设检验方法。样

本含量 n 较大时，样本均数符合正态分布，故可用 u 检验。当样本含量 n 小时，
若观察值 x 符合正态分布，则用 t 检验。当 x 未知分布时采用秩和检验。
单样本 t 检验就是通过对一个样本数据进行分析，判断这个样本的平均值是否
与某个已知的值有显著差异。可以将其类比为做实验时，将实验结果与已知的
标准值进行比较，以判断结果是否符合预期。
李康 《卫生统计学》
《医学统计学》公式推导看书、
第一步：提出检验假设 H0，备择假设 H1
第二步：定显著性水准 α，并查出临界 t 值，现令 α=0.05.
第三步：计算检验统计量 t
第四步：确定 P 值，做出推断结论
P 与 0.05 比较，大于 0.05 则没有差异。

SAS 过程步中，MEANS 和 UNIVARIATE 的区别

前者主要用于计算一个或多个变量的均值，标准差，最大最小值等，输出结果
相对简洁
后者更加全面的分析了一个或多个变量的分布情况，包括描述性统计，分布分
析，对称性分析，

sas 单样本 t 检验分析 meas 过程：

将每一个观察值减去真值，即将原始数据中心化，然后比较所得数据与 0 有无
显著性差异
Data temp;
Input x@@;
Y=x-20.7
Cards;
;
Proc means mean stderr t probt;
Var y;
Run;

【大同小异】
P>0.05------没有差异
P<0.05------有差异

UNIVARIATE 过程：【结果看“位置检验”的表格】
Proc univariate nomal;
Var y;
Run;
以上两种都需要根据原始数据得出。
如果没有原始数据，就需要根据 t 检验的计算公式和概率函 probt 来得单的结果：
Data temp;
Input u0 u1 s n;
T=(u1-u0)/(s/sqry(n));
V=n-1;
P=probt(t,v);
Cards;
72 74.2 6.5 25;
Proc print;
Run;
配对设计资料 t 检验
未知总体均数，若一批某病病人治疗前有某项测定记录，治疗后再次测定以观
察疗效，这样 N 例病例就有 n 对数据
 同一受试对象处理前后的数据
 同一受试对象两个部位的数据
 同一样品用两种方法检验的结果
 配对的两个受试对象
 将一份标本分成两份各接受一种处理，这样观察到的一批数据也是成对资
料
 将病人配成对，尽量使一对的年龄性别等相同
① 提出检验假设 H0，备择假设 H1
② 定显著性水准 α，查临界值
③ 计算检验统计量 t
④ 确定 P 值

 TTEST 方法：
Proc ttest data=<options>;
Class 变量名称（分组变量）
Paried variables;
Var 变量名称（待分析的数值变量）；
By 变量名称（分组变量）
Run;

 means 方法：

无原始数据的配对 t 检验：
Data temp;
Input d s n;
T=d/(s/sqrt(n));
V=n-1;
P=probt(t,v);
Cards;
0.625 0.78 8
两独立样本 t 检验【需要：独立 正态 方差齐】
某两组计量资料的均数间有无差别
适用于完全随机设计两样本（将受试对象完全随机分配到两个不同的处理组）
均数的比较，人们关心的是两样本均数所代表的量总体均数是否不等。

需要判断方差齐不齐：
从“方差等价”表格——判断方差齐不齐——P>0.05——方差齐
“汇总”是方差齐的时候的结果
Satterthwaite 是方差不齐的时候的结果

无原始数据的两独立样本 t 检验：