Test t Welcha

Test t Welcha – test statystyczny równości wartości oczekiwanych w dwóch populacjach. Jest uogólnieniem testu t Studenta na populacje o różnych wariancjach. Stanowi przybliżone rozwiązanie problemu Behrensa-Fishera. Nazwa testu pochodzi od nazwiska jego twórcy Bernarda Lewisa Welcha.

Wzory na t, ν

Test t Welcha stosuje następującą statystykę t:

${\displaystyle t={\frac {{\overline {X}}_{1}-{\overline {X}}_{2}}{\sqrt {{\frac {s_{1}^{2}}{N_{1}}}+{\frac {s_{2}^{2}}{N_{2}}}}}},}$

gdzie:

• ${\displaystyle {\overline {X}}_{i}}$ – średnia w i-tej próbie,
• ${\displaystyle s_{i}^{2}}$ – wariancja w i-tej próbie,
• ${\displaystyle N_{i}}$ – liczność i-tej próby.

Liczba stopni swobody ${\displaystyle \nu }$ związana z tą estymatą wariancji jest przybliżana za pomocą równania Welcha-Satterthwaite’a:

${\displaystyle \nu ={\frac {\left({\frac {s_{1}^{2}}{N_{1}}}+{\frac {s_{2}^{2}}{N_{2}}}\right)^{2}}{{\frac {s_{1}^{4}}{N_{1}^{2}\cdot \nu _{1}}}+{\frac {s_{2}^{4}}{N_{2}^{2}\cdot \nu _{2}}}}}.}$

Wiąże się to z faktem, iż liczba stopni swobody związana z estymatą wariancji i-tej próby:

${\displaystyle \nu _{i}=N_{i}-1.}$

Test statystyczny

Zobacz w Wikiźródłach tablicę rozkładu Studenta

Hipoteza zerowa zwykle zakłada równość dwóch średnich w dwóch populacjach (${\displaystyle \mu _{1}=\mu _{2}}$), co jest równoznaczne stwierdzeniu, że różnica pomiędzy tymi średnimi wynosi zero. Hipoteza alternatywna może przyjąć formę dwustronną ${\displaystyle \mu _{1}\neq \mu _{2}}$ lub formę jednostronną: lewostronną (${\displaystyle \mu _{1}<\mu _{2}}$) lub prawostronną (${\displaystyle \mu _{1}>\mu _{2}}$)^[1]. Tak jak w innych podobnych testach, w zależności od formy hipotezy alternatywnej oraz przyjętego poziomu istotności ${\displaystyle \alpha }$ wyznacza się obszar krytyczny lub wartość p. Zakłada się, szczególnie w przypadku małych prób, że rozkłady w obu populacjach są w przybliżeniu normalne.

Po obliczeniu wartości t można, stosując rozkład t-Studenta o wyliczonej liczbie stopni swobody ${\displaystyle \nu ,}$ sprawdzić, czy otrzymana statystyka znajduje się w obszarze krytycznym (lub czy wartość p jest niższa od założonego poziomu istotności) i odrzucić lub stwierdzić brak podstaw do odrzucenia hipotezy zerowej.