1700501854
1700501855
1700501856
1700501857
图12-1 两组独立样本的T检验结果
1700501858
1700501859
从图12-1可以看出，pr＞F的值为0.372 6，该值大于α理论值0.05，所有没有理由拒绝方差相等的假设，因而上述两组样本的方差是相等的。
1700501860
1700501861
再看T-Tests：pr＞|t|的值为0.000 6，小于α理论值0.05，所以有足够的理由拒绝两个样本的均值差为0的假设，也即两个样本组的活跃度分数的均值是不相等的。
1700501862
1700501863
1700501864
1700501865
1700501866
数据挖掘与数据化运营实战：思路、方法、技巧与应用 [:1700497667]
1700501867
数据挖掘与数据化运营实战：思路、方法、技巧与应用 12.2.5 两组独立样本的非参数检验
1700501868
1700501869
虽然两组观察值是各自独立的，但是每组观察值不一定来自正态分布的总体，同时两个独立样本组的方差也不一定相等，这时就不能采用独立样本的T检验了，而必须进行两组独立样本的Wilcoxon秩和检验。
1700501870
1700501871
两组独立样本的Wilcoxon秩和检验方式是比较两个独立组观察值的一种非参数检验。该检验结果类似于T检验的结果，该检验用于次序变量、区间变量和比例变量中。
1700501872
1700501873
还是以上述案例为例，假设案例的数据不满足T检验的前提条件，那么就应该采用两组独立样本的Wilcoxon秩和检验，在SAS中，可利用Proc Npar1way的过程语句来实现，程序代码如下：
1700501874
1700501875
Proc Npar1way data=Work.One WILCOXON;
1700501876
1700501877
Class group;
1700501878
1700501879
VAR score;
1700501880
1700501881
Run;
1700501882
1700501883
运行上述程序后得到两个独立样本进行Wilcoxon秩和检验后的结果，如图12-2所示。
1700501884
1700501885
1700501886
1700501887
1700501888
图12-2 两组独立样本的Wilcoxon秩和检验的结果
1700501889
1700501890
在图12-2中可以看到，Two-Sided pr＞|Z|的值为0.011 1，小于α理论值0.05，所以有足够的理由拒绝原假设两个独立组的均值相等，也即两个独立组的活跃度分数的均值是不相等的。
1700501891
1700501892
需要强调的是，如果Two-Sided pr＞|Z|的值大于α理论值0.05，则结论是两个独立组的均值没有显著差异，但是并不能说成两个独立组的均值相等。
1700501893
1700501894
1700501895
1700501896
1700501897
数据挖掘与数据化运营实战：思路、方法、技巧与应用 [:1700497668]
1700501898
数据挖掘与数据化运营实战：思路、方法、技巧与应用 12.2.6 配对差值的T检验
1700501899
1700501900
在数据化运营的实践应用场景中，进行配对组样本的比较时，一般是对样本运营前后的情况进行对比，比如针对运营前后的网站活跃度进行对比，通过T检验，来判断运营活动是否明显提升了样本人群的网站活跃度。
1700501901
1700501902
对配对组差值进行T检验的条件类似于独立组样本的T检验的条件，其中包含以下两个条件：
1700501903