卡方檢驗和t檢驗主要有以下區別： **一、適用的數據類型** 1. 卡方檢驗： - 主要適用于分類變量數據。例如，性別（男/女）、疾病狀態（患病/未患病）等。可以檢驗兩個或多個分類變量之間的關聯或差異。 - 例如，比較不同治療方法對疾病的治愈率（治愈/未治愈），或者分析吸煙與肺癌的關系等。 2. t檢驗： - 適用于連續變量數據。比如身高、體重、考試成績等。可以檢驗兩個樣本的均值是否有顯著差異。 - 例如，比較實驗組和對照組的體重變化，或者檢驗某班級學生的數學成績與全校平均成績是否有差異。 **二、檢驗的目的** 1. 卡方檢驗： - 主要用于判斷分類變量之間是否存在關聯，即檢驗兩個分類變量是否獨立。例如，檢驗性別與是否喜歡某種運動之間是否有關聯。 - 也可用于比較多個樣本的比例是否相等。比如，比較三種不同藥物的有效率是否相同。 2. t檢驗： - 主要用于檢驗兩個總體的均值是否相等。例如，檢驗一種新的教學方法是否能提高學生的平均成績。 - 根據樣本是否獨立，分為獨立樣本t檢驗和配對樣本t檢驗。獨立樣本t檢驗用于比較兩個獨立樣本的均值，配對樣本t檢驗用于比較同一組對象在不同條件下的均值變化。 **三、假設條件** 1. 卡方檢驗： - 要求樣本量足夠大，一般每個單元格的期望頻數不宜過小（通常要求不小于5）。 - 數據應是隨機抽樣得到的，且各分類之間相互獨立。 2. t檢驗： - 獨立樣本t檢驗要求兩個樣本相互獨立，且來自正態分布總體（當樣本量較大時，對正態性要求可適當放寬）。 - 配對樣本t檢驗要求配對數據的差值服從正態分布。 **四、計算方法和統計量** 1. 卡方檢驗： - 計算統計量為卡方值（χ2），計算公式為$χ2=\sum\frac{(O-E)2}{E}$，其中O為實際觀測頻數，E為理論期望頻數。 - 通過比較卡方值與臨界值的大小，或者計算P值來判斷結果的顯著性。 2. t檢驗： - 獨立樣本t檢驗的統計量為$t=\frac{\overline{X_1}-\overline{X_2}}{\sqrt{\frac{s_1^2}{n_1}+\frac{s_2^2}{n_2}}}$，其中$\overline{X_1}$和$\overline{X_2}$分別為兩個樣本的均值，$s_1$和$s_2$分別為兩個樣本的標準差，$n_1$和$n_2$分別為兩個樣本的大小。 - 配對樣本t檢驗的統計量為$t=\frac{\overline{d}}{s_d/\sqrt{n}}$，其中$\overline{d}$為配對差值的均值，$s_d$為配對差值的標準差，$n$為配對樣本的數量。 - 同樣通過比較t值與臨界值的大小，或者計算P值來判斷結果的顯著性。