| English | 释义 | 拼音 |
|---|---|---|
| difference of two sample means/ˈdɪfrəns ɒv tuː ˈsæmpl miːnz/ | 两个样本均值之差 | liǎng gè yàng běn jūn zhí zhī chà |
比较两个均值
- 要比较两个总体均值,用两个样本均值之差 $\bar{x}_1 - \bar{x}_2$。
- 它的抽样分布以真实差为中心:$\mu_1 - \mu_2$。
- 这个统计量驱动第 7 单元里每一个两样本 $t$ 程序。
- 它支持对总体均值进行推断,同时考虑抽样变异。
合并两个分散
- 标准差把两个组的变异性合并起来:
-
$$\sqrt{\frac{\sigma_1^2}{n_1} + \frac{\sigma_2^2}{n_2}}$$
- 又是方差相加——每个组贡献它自己的 $\frac{\sigma^2}{n}$。
- 即便我们取的是均值之差,那个 $+$ 仍然成立。

x̄₁ − x̄₂ 的分布:均值相减,方差相加
两个样本的条件
- **正态性:**每个 $\bar{x}$ 都必须正态——每个组要么总体正态、要么 $n$ 足够大(CLT)。
- **独立性:**两个样本彼此独立。
- 不放回抽样时每个组还要满足 10% 条件。
- 对组 $1$ 和组 $2$ 分别验证这些。
使用正态模型
- 条件满足时,$\bar{x}_1 - \bar{x}_2$ 近似正态。
- 标准化:(观察到的差 $-$ 真实的差)$\div$ 合并的标准差。
- 从标准正态读出概率。
- 这个基础后面成为两样本 $t$ 检验和区间。
相加方差,即使是均值之差——$\frac{\sigma_1^2}{n_1}+\frac{\sigma_2^2}{n_2}$,再开平方根;绝不相减,也绝不直接相加标准差。并且每个组都需要它自己的正态性论证(总体正态或大 $n$)——CLT 必须逐组满足,而非对合并数据。
从两个正态总体中分别抽取独立随机样本。第 $1$ 组:$\mu_1 = 50$、$\sigma_1 = 6$、$n_1 = 9$。第 $2$ 组:$\mu_2 = 45$、$\sigma_2 = 8$、$n_2 = 16$。
- 中心:$\mu_1 - \mu_2 = 50 - 45 = 5$。
- 标准差:$\sqrt{\dfrac{36}{9} + \dfrac{64}{16}} = \sqrt{4 + 4} = \sqrt{8} \approx 2.83$。
- 用这个中心和标准差去标准化任何观察到的差。
两个样本均值之差 $\bar{x}_1 - \bar{x}_2$ 的均值为 $\mu_1 - \mu_2$,标准差为 $\sqrt{\frac{\sigma_1^2}{n_1} + \frac{\sigma_2^2}{n_2}}$(方差相加)。当正态性(逐组)和独立性条件成立时,把它建模为正态——这是关于均值的两样本推断的基础。
根据给定数据作答
- 一个总体均值为 10,另一个为 6。
- 样本相互独立;求第一个样本均值减去第二个样本均值所得差的均值。
第一个总体的均值为10,第二个总体的均值为6。对于独立随机样本,求样本均值1减去样本均值2的均值。
独立组的均值进行相减。
10 减去 6 等于什么?
难度 1/5 · 今日首次完成可获 100 金币及少量额外奖励
均值之差为 4。其他选项 — 5(另一组配对);16(总和)。
x-bar-1 − x-bar-2 的分布
以 μ1 − μ2 为中心;两个方差在根号下相加。
μ1 = 50,μ2 = 45。求 x-bar-1 − x-bar-2 的中心。
难度 2/5 · 今日首次完成可获 140 金币及少量额外奖励
μ1 − μ2 = 50 − 45 = 5.
σ1=6,n1=9 且 σ2=8,n2=16。求标准差 = √(36/9 + 64/16)。保留两位小数。
难度 2/5 · 今日首次完成可获 140 金币及少量额外奖励
√(4 + 4) = √8 ≈ 2.83.
两个独立样本均值之差的方差是两个方差之和。
难度 1/5 · 今日首次完成可获 100 金币及少量额外奖励
即使是差,方差也相加:σ1²/n1 + σ2²/n2。
对 x-bar-1 − x-bar-2 的正态模型,正态性必须……被论证。
难度 1/5 · 今日首次完成可获 100 金币及少量额外奖励
每个组都需要正态总体或足够大的 n。
你可以直接把两个标准差相加得到差的标准差。
难度 1/5 · 今日首次完成可获 100 金币及少量额外奖励
先加方差再开平方根——而不是加标准差。