EssayAI
Блог
Блог
Математика и алгоритмы

t-критерий Стьюдента для зависимых выборок

8 ноября 2026Время чтения: 8 минут
#парный t-критерий#зависимые выборки#критерий Стьюдента#парные измерения#статистическая гипотеза
t-критерий Стьюдента для зависимых выборок

t-критерий Стьюдента для зависимых выборок проверяет гипотезу о среднем различии внутри пар. Его применяют, например, когда оценивают результат одних и тех же участников до и после обучения или сравнивают два прибора на одних образцах. Важны не два набора чисел по отдельности, а то, какие два значения образуют каждую пару. Калькулятор ниже показывает, как средняя разность и её разброс связаны с t-статистикой; затем разберём формулу, условия и полный пример.

Какие выборки называют зависимыми

Пусть каждому участнику измерили результат дважды. Первая выборка содержит результаты до занятия, вторая - после. Наблюдения внутри одной строки связаны общим участником, а строки разных участников при корректном плане независимы. Пара может состоять и из измерений двух специально сопоставленных объектов: например, близнецов или подобранных по существенным признакам пациентов.

Для каждой пары сначала вычисляют разность di=xi,после−xi,доd_i = x_{i,\text{после}}-x_{i,\text{до}}. Шесть пар дают шесть разностей, а не двенадцать независимых наблюдений. На видео исходные пары приводятся к общей начальной точке: длина отрезка справа показывает изменение внутри соответствующей строки.

Каждая строка соединяет измерения одной пары; при совмещении начальных точек видны шесть разностей после минус до.

Удобно хранить данные таблицей: в первой колонке - идентификатор объекта, далее два измерения и вычисленная разность. Перед расчётом проверьте, что идентификаторы совпадают, единицы одинаковы, а порядок измерений не перепутан. Если записи отсортировать независимо, средние обоих столбцов не изменятся, но индивидуальные разности и их разброс могут стать совсем другими. Поэтому даже одинаковые наборы чисел при другой разбивке на пары способны привести к другому выводу.

Связь должна следовать из плана исследования, а не появляться после сортировки результатов. Если сравниваются две разные, никак не сопоставленные группы, подходит подход для двух независимых средних. При трёх и более повторных условиях задачи шире: один из вариантов - дисперсионный анализ с повторными измерениями.

Гипотезы и направление разности

Обозначим через μd\mu_d среднюю разность в интересующей генеральной совокупности пар. Обычно проверяют H0:μd=0H_0: \mu_d=0 против двусторонней альтернативы H1:μd≠0H_1: \mu_d\ne0. Нулевая гипотеза относится к среднему изменению, а не утверждает, что каждый участник обязательно останется без изменений. Изменения отдельных людей могут иметь разные знаки и взаимно компенсироваться.

Если исследователь заранее обоснованно интересуется только ростом, возможна альтернатива H1:μd>0H_1: \mu_d>0; для снижения - H1:μd<0H_1: \mu_d<0. Направление и уровень значимости выбирают до изучения результата. Если вместо «после минус до» взять «до минус после», знак среднего и статистики изменится; двустороннее p при этом останется прежним. Смысл односторонней альтернативы тоже нужно перевернуть.

В более общей задаче нулевая гипотеза может задавать не ноль, а конкретную разность μd=Δ0\mu_d=\Delta_0. Принцип формулировки и роль альтернативы подробно разобраны в статье о нулевой и альтернативной гипотезах.

Формула парного t-критерия

После вычисления разностей задача превращается в одновыборочный t-тест для d1,…,dnd_1,\ldots,d_n. Сначала находят среднюю разность и выборочное стандартное отклонение разностей:

dˉ=1n∑i=1ndi,sd=∑i=1n(di−dˉ)2n−1.\bar d=\frac{1}{n}\sum_{i=1}^{n}d_i,\qquad s_d=\sqrt{\frac{\sum_{i=1}^{n}(d_i-\bar d)^2}{n-1}}.

Затем среднюю разность сравнивают с заданной в нулевой гипотезе величиной, используя её стандартную ошибку:

SE=sdn,t=dˉ−Δ0sd/n,ν=n−1.SE=\frac{s_d}{\sqrt n},\qquad t=\frac{\bar d-\Delta_0}{s_d/\sqrt n},\qquad \nu=n-1.

Формула показывает компромисс между величиной среднего изменения и неопределённостью его оценки. При одинаковом среднем более согласованные индивидуальные изменения дают меньшую стандартную ошибку. Однако парный план не всегда повышает точность: при отрицательной связи измерений внутри пары разброс разностей может оказаться большим. Полезность сопоставления зависит от реальных данных и качества формирования пар.

Здесь nn - число полных пар, sds_d измеряет разброс индивидуальных изменений, а SESE - оценку стандартного отклонения среднего изменения при повторении выборки. В знаменателе нельзя просто подставить стандартные отклонения столбцов «до» и «после»: связь внутри пар влияет на разброс разностей. При sd=0s_d=0 обычная формула делит на ноль, поэтому автоматический t-расчёт в таком вырожденном случае неприменим.

При выполнении предпосылок и верной нулевой гипотезе статистика следует t-распределению с n−1n-1 степенями свободы. Одна степень свободы расходуется на оценку среднего разностей. О том, как она связана с формой кривой и критическими значениями, читайте в материале про распределение Стьюдента.

Расчёт на шести парах

Рассмотрим вымышленные учебные данные: шесть человек прошли тест до и после занятия. Баллы записаны в одинаковом порядке, каждая строка соответствует одному человеку.

ПараДоПослеРазность
150522
255583
360644
465694
570755
675816

Сумма разностей равна 24, поэтому dˉ=24/6=4\bar d=24/6=4 балла. Сумма квадратов отклонений от четырёх равна 4+1+0+0+1+4=104+1+0+0+1+4=10. Делим на n−1=5n-1=5 и извлекаем корень: sd=2≈1,414s_d=\sqrt{2}\approx1{,}414 балла. Стандартная ошибка составляет SE=2/6≈0,577SE=\sqrt{2}/\sqrt6\approx0{,}577 балла.

Шесть разностей от двух до шести баллов и линия средней разности четыре балла
Шесть разностей от двух до шести баллов и линия средней разности четыре балла

При Δ0=0\Delta_0=0 получаем t=4/0,577≈6,93t=4/0{,}577\approx6{,}93 и ν=5\nu=5. Для двустороннего теста p≈0,00096p\approx0{,}00096. При заранее выбранном α=0,05\alpha=0{,}05 это меньше порога, поэтому нулевую гипотезу отвергают. Эквивалентно: модуль статистики превышает критическое значение t0,975;5≈2,571t_{0{,}975;5}\approx2{,}571.

В калькуляторе исходные положения ползунков воспроизводят эти разности. Общий сдвиг меняет их среднее, но сохраняет разброс; второй ползунок растягивает отклонения от среднего. При неизменном среднем больший разброс увеличивает стандартную ошибку и уменьшает модуль tt. Калькулятор предназначен для изучения связи величин, а не для ввода произвольной выборки.

Доверительный интервал и смысл результата

Для двустороннего 95%-го доверительного интервала среднего изменения используют ту же стандартную ошибку:

dˉ±t0,975;n−1⋅SE.\bar d\pm t_{0{,}975;n-1}\cdot SE.

В примере это 4±2,571⋅0,5774\pm2{,}571\cdot0{,}577, то есть приблизительно от 2,522{,}52 до 5,485{,}48 балла. Интервал выражен в исходных единицах и помогает оценить величины среднего изменения, согласующиеся с данными и моделью. При многократном применении такого метода построения к новым выборкам около 95 % полученных интервалов покрывали бы истинное среднее изменение.

В отчёте удобно указать направление разности, число пар, среднее изменение и интервал, а затем статистику с числом степеней свободы и двусторонним p. Для этого примера запись может выглядеть так: среднее изменение 4 балла, 95%-й интервал от 2,52 до 5,48; t(5)=6,93t(5)=6{,}93, p=0,00096p=0{,}00096. Округление не должно превращать маленькое p в ноль: оно остаётся положительным. Такая запись позволяет оценить и направление, и точность результата.

Значение pp - вероятность при условии нулевой гипотезы и принятых предпосылок получить статистику не менее экстремальную по модулю, чем наблюдаемая. Это не вероятность истинности H0H_0 и не размер эффекта. Даже малое pp само по себе не доказывает, что изменение практически существенно: для этого нужны единицы измерения, интервал и контекст задачи. И наоборот, p≥αp\ge\alpha означает недостаток оснований для отвержения, а не доказанное отсутствие изменения.

Условия применения и границы вывода

Данные должны быть количественными, пары - корректно образованными, а разности разных пар - независимыми. Для точного t-вывода предполагают нормальное распределение разностей в совокупности; нормальность каждого исходного столбца сама по себе не заменяет это условие. При малом числе пар особенно важны график разностей, проверка ошибок записи и внимание к сильным выбросам. Большие независимые выборки часто позволяют использовать приближение, но универсальный порог не устраняет проблемы тяжёлых хвостов и зависимости.

Если половина пары отсутствует, нельзя вычитать значения случайных строк. Стандартный парный анализ использует полные пары; механизм пропусков стоит отдельно изучить, поскольку он может исказить вывод. При выраженной асимметрии или порядковых данных можно рассмотреть знаковый критерий или критерий знаковых рангов Вилкоксона с их собственными предпосылками и интерпретацией. Для независимых групп критерий Манна - Уитни решает другую задачу и не сохраняет парную структуру.

Перед анализом полезно выяснить, кто попал в выборку и можно ли распространять результат на интересующую совокупность. Парность сама по себе не исправляет систематический отбор, неодинаковые условия измерений или ошибки приборов. Если наблюдений у одного человека больше двух, несколько отдельных парных проверок создают проблему множественных сравнений; подход следует выбирать с учётом всех условий и исследовательского вопроса.

Наконец, даже значимое изменение «до и после» не обязательно вызвано занятием: на него могли повлиять время, повторное тестирование или иные события. Причинный вывод зависит от дизайна исследования, в том числе наличия подходящей контрольной группы.

Частые ошибки

  • Считать nn суммой двух столбцов, хотя nn - число полных пар.
  • Перепутать порядок вычитания и сделать вывод о росте по отрицательной разности.
  • Проверять нормальность только исходных измерений, игнорируя распределение разностей и выбросы.
  • Называть pp вероятностью нулевой гипотезы или считать незначимый результат доказательством равенства.
  • Выбирать одностороннюю альтернативу после просмотра направления эффекта.

FAQ

Нужны ли одинаковые дисперсии измерений до и после? Нет. Парный тест работает с одним набором разностей и не требует равенства дисперсий двух исходных столбцов.

Можно ли применять критерий к маленькой выборке? Можно, если предпосылки для распределения независимых разностей правдоподобны. Однако на малом числе пар их трудно проверить, а отдельные выбросы сильно влияют на результат.

Означает ли значимость, что улучшился каждый? Нет. Проверяется средняя разность; отдельные изменения могут быть отрицательными или нулевыми. Кроме того, причинное объяснение зависит от плана исследования.

Коротко

Парный t-критерий сводит сравнение зависимых измерений к анализу разностей внутри пар. Статистика равна разности между наблюдаемым и гипотетическим средним, делённой на стандартную ошибку; число степеней свободы равно числу пар минус один. Вывод сопровождают размером изменения, доверительным интервалом и оговоркой об условиях исследования.

Доверьте текст нейросети EssayAI

Открыть EssayAI

Бесплатно, на русском языке и без VPN

Читайте также

Доверительный интервал коэффициента регрессии: расчёт

Доверительный интервал коэффициента регрессии: расчёт

Как рассчитать доверительный интервал коэффициента регрессии: формула через стандартную ошибку и критическое значение Стьюдента, пример вычисления и проверка значимости.

17 июня 20266 минут
Проверка гипотезы о равенстве двух средних: t-тест

Проверка гипотезы о равенстве двух средних: t-тест

Как проверить гипотезу о равенстве двух средних: двухвыборочный t-тест Стьюдента, критерий Уэлча, условия применимости, формулы и типичные ошибки студентов.

11 июня 20267 минут
Нулевая и альтернативная гипотезы: как проверить

Нулевая и альтернативная гипотезы: как проверить

Нулевая и альтернативная гипотезы в статистике: что они означают, как задать уровень значимости, вычислить p-value по z-критерию и сделать правильный вывод об H0.

11 июня 20269 минут
Абсолютная и относительная погрешность числа

Абсолютная и относительная погрешность числа

Абсолютная и относительная погрешность приближённого числа: формулы, расчёт в процентах, оценка при округлении и подробные примеры сравнения точности.

8 ноября 20268 минут
Абсолютная пропускная способность СМО: формула

Абсолютная пропускная способность СМО: формула

Как найти абсолютную пропускную способность СМО через интенсивность потока и вероятность отказа: формула, пример расчёта и отличие от относительной способности.

8 ноября 20268 минут
Алгоритм Флойда-Уоршелла: кратчайшие пути в графе

Алгоритм Флойда-Уоршелла: кратчайшие пути в графе

Алгоритм Флойда-Уоршелла на примере: как получить матрицу кратчайших путей для всех пар вершин, восстановить маршрут и вовремя обнаружить отрицательный цикл.

8 ноября 20268 минут