t-критерий

t-критерий (также критерий Стьюдента) — это общее название класса параметрических статистических критериев, основанных на распределении Стьюдента. Основное назначение t-критерия — проверка гипотез о равенстве средних значений в двух выборках или о величине среднего значения в одной выборке относительно известного эталонного значения. Он является одним из наиболее распространённых инструментов проверки статистических гипотез в эмпирических науках, особенно в медицине, биологии, психологии и экономике.

История

Метод был разработан английским химиком и статистиком Уильямом Сили Госсетом, работавшим на пивоваренной компании «Гиннесс» (Arthur Guinness Son & Co.). В начале XX века компания требовала от сотрудников не публиковать результаты исследований под собственным именем, чтобы сохранить коммерческую тайну. Поэтому Госсет опубликовал свою работу в 1908 году в журнале «Biometrika» под псевдонимом «Student» (Студент). В статье «The probable error of a mean» он описал распределение, которое позже стало известно как t-распределение Стьюдента, и предложил метод оценки достоверности различий средних для малых выборок.

Развитие и популяризация t-критерия в современном виде связаны с работами Рональда Фишера, который в 1920-х годах формализовал процедуру проверки гипотез и ввёл в обиход понятие «t-критерий Стьюдента». Фишер также разработал таблицы критических значений для распределения Стьюдента, что сделало метод доступным для практического использования.

Математическая основа

t-критерий основан на t-статистике, которая представляет собой отношение разности между выборочным средним и гипотетическим значением (или разности двух выборочных средних) к стандартной ошибке этой разности. В общем виде t-статистика имеет распределение Стьюдента с определённым числом степеней свободы.

Распределение Стьюдента

Распределение Стьюдента (t-распределение) — это непрерывное симметричное распределение вероятностей, форма которого зависит от параметра, называемого числом степеней свободы (обычно обозначается ν или df). При малых степенях свободы распределение имеет более толстые «хвосты» по сравнению с нормальным распределением, что отражает большую неопределённость при оценке дисперсии по малой выборке. При увеличении числа степеней свободы t-распределение стремится к стандартному нормальному распределению (Z-распределению).

Основные предположения

Для корректного применения t-критерия необходимо выполнение ряда условий:

1. Независимость наблюдений: данные в выборке должны быть независимыми друг от друга.
2. Нормальность распределения: распределение изучаемого признака в генеральной совокупности должно быть приближённо нормальным. Однако t-критерий считается достаточно устойчивым к умеренным отклонениям от нормальности, особенно при больших объёмах выборок (более 30 наблюдений).
3. Гомогенность дисперсий (для двухвыборочного t-критерия): дисперсии в сравниваемых группах должны быть примерно равны. При нарушении этого условия рекомендуется использовать модификацию критерия — t-критерий Уэлча (Welch's t-test), который не требует равенства дисперсий.

Виды t-критерия

В зависимости от постановки задачи различают несколько основных видов t-критерия.

Одновыборочный t-критерий

Используется для проверки гипотезы о том, что среднее значение признака в генеральной совокупности (μ) равно некоторому известному значению (μ₀). Нулевая гипотеза H₀: μ = μ₀. Например, проверка того, что средний рост студентов в группе отличается от среднего роста по стране, или что средний вес упаковки соответствует номиналу, указанному на этикетке.

Двухвыборочный t-критерий для независимых выборок

Применяется для сравнения средних значений двух независимых (несвязанных) групп. Нулевая гипотеза H₀: μ₁ = μ₂. Пример: сравнение эффективности двух методов лечения (контрольная группа и экспериментальная группа) или сравнение успеваемости студентов двух разных факультетов.

В рамках этого вида различают:

• t-критерий с равными дисперсиями (классический критерий Стьюдента).
• t-критерий Уэлча (с неравными дисперсиями), который считается более надёжным, так как не требует предположения о гомогенности дисперсий.

Парный t-критерий

Используется для сравнения средних значений в одной и той же группе, но в двух разных условиях (например, «до» и «после» воздействия) или для сравнения парных наблюдений. Нулевая гипотеза H₀: μ_d = 0, где μ_d — среднее значение разностей между парными наблюдениями. Пример: измерение артериального давления у пациентов до и после приёма препарата, сравнение результатов тестирования одной группы студентов до и после курса обучения.

Процедура проверки гипотезы

Применение t-критерия включает следующие этапы:

1. Формулировка гипотез: определение нулевой (H₀) и альтернативной (H₁) гипотез. Альтернативная гипотеза может быть двусторонней (μ ≠ μ₀) или односторонней (μ > μ₀ или μ < μ₀).
2. Выбор уровня значимости (α): обычно α = 0,05 или α = 0,01. Это вероятность ошибочно отвергнуть нулевую гипотезу (ошибка первого рода).
3. Вычисление наблюдаемого значения t-статистики: по формуле, соответствующей типу критерия.
4. Определение критического значения: по таблицам распределения Стьюдента для заданного числа степеней свободы и выбранного уровня значимости.
5. Принятие решения: если абсолютное значение наблюдаемой t-статистики больше критического значения, нулевая гипотеза отвергается. В современной статистике чаще используют p-значение (p-value): если p < α, гипотеза отвергается.

Применение

t-критерий широко используется в различных областях:

• Медицина и фармакология: сравнение эффективности лекарственных препаратов и методов лечения, оценка изменений физиологических показателей.
• Психология и социология: анализ результатов экспериментов, сравнение групп испытуемых, оценка влияния психологических воздействий.
• Экономика и финансы: анализ доходности активов, сравнение показателей деятельности компаний, оценка эффективности маркетинговых кампаний.
• Биология и сельское хозяйство: сравнение урожайности сортов растений, оценка влияния удобрений, анализ биометрических данных.
• Промышленность и контроль качества: проверка соответствия продукции заданным стандартам, анализ технологических процессов.

Ограничения и критика

Несмотря на широкую распространённость, t-критерий имеет ряд ограничений:

1. Чувствительность к выбросам: наличие даже одного-двух аномальных значений может существенно исказить результат.
2. Ограничения при множественных сравнениях: при одновременном попарном сравнении нескольких групп (более двух) многократное применение t-критерия приводит к накоплению ошибки первого рода. В таких случаях рекомендуется использовать дисперсионный анализ (ANOVA) с последующими апостериорными тестами.
3. Зависимость от нормальности: хотя критерий устойчив к нарушениям нормальности, при сильных отклонениях (например, при асимметричных распределениях) его мощность может снижаться. В таких ситуациях предпочтительнее использовать непараметрические аналоги, такие как U-критерий Манна-Уитни (для независимых выборок) или T-критерий Уилкоксона (для парных выборок).

Альтернативы

В зависимости от условий и целей исследования вместо t-критерия могут применяться:

• Z-критерий: при известной дисперсии генеральной совокупности и больших объёмах выборок.
• U-критерий Манна-Уитни: непараметрический аналог для независимых выборок.
• T-критерий Уилкоксона: непараметрический аналог для парных выборок.
• Дисперсионный анализ (ANOVA): для сравнения средних более чем двух групп.
• Бутстреп-методы: современные методы, основанные на многократной перевыборке данных, не требующие предположений о распределении.

Источники

1. Student. (1908). The probable error of a mean. Biometrika, 6(1), 1-25.
2. Fisher, R. A. (1925). Statistical Methods for Research Workers. Oliver and Boyd.
3. Гмурман, В. Е. (2003). Теория вероятностей и математическая статистика. Высшая школа.
4. Орлов, А. И. (2004). Прикладная статистика. Экзамен.
5. Field, A. (2018). Discovering Statistics Using IBM SPSS Statistics (5th ed.). SAGE Publications.