什么时候用t检验，z检验和卡方检验
什么时候用t检验，z检验和卡方检验有人说样本小于30就用t检验，是吗？只有这点判断条件？
还有，那么卡方检验和z检验的使用条件，又有什么区别呢？
搞不太懂它们是在何种情况下才应该用的。。
一、t检验的适用条件：已知一个总体均数；可得到一个样本均数及该样本标准差；样本来自正态或近似正态总体。主要用于样本含量较小（例如n < 30），总体标准差σ未知的正态分布
二、z检验的适用条件：随机变量服从或近似服从正态分布，z作为检验统计量与X的均值是等价的，且计算z的分位数或查相应的分布表比较方便。通过比较由样本观测值得到的z的观测值，可以判断数学期望的显著性，我们把这种利用服从标准正态分布统计量的检验方法成为z检验.
三、卡方检验的适用条件：用途非常广的一种假设检验方法，它在分类资料统计推断中的应用，包括：两个率或两个构成比比较的卡方检验；多个率或多个构成比比较的卡方检验以及分类资料的相关分析等。
扩展资料：
t检验的使用注意事项：
1、区分单侧检验和双侧检验。单侧检验的界值小于双侧检验的界值，因此更容易拒绝，犯第Ⅰ错误的可能性大。t检验中的p值是接受两均值存在差异这个假设可能犯错的概率。
在统计学上，当两组观察对象总体中的确不存在差别时，这个概率与我们拒绝了该假设有关。一些学者认为如果差异具有特定的方向性，我们只要考虑单侧概率分布，将所得到t-检验的P值分为两半。另一些学者则认为无论何种情况下都要报告标准的双侧t检验概率。
2、假设检验的结论不能绝对化。当一个统计量的值落在临界域内，这个统计量是统计上显著的，这时拒绝虚拟假设。假设检验和可信区间的关系结论具有一致性差异：提供的信息不同区间估计给出总体均值可能取值范围，但不给出确切的概率值，假设检验可以给出数值成立与否的概率。
参考资料来源：百度百科-t检验
参考资料来源：百度百科-z检验
参考资料来源：百度百科-卡方检验
两个定类变量用卡方检验
两定序变量样本大于30用Z检验，
两定序变量样本小于等于30用t检验
卡方检验在分类资料统计推断中的应用，包括：两个率或两个构成比比较的卡方检验；多个率或多个构成比比较的卡方检验以及分类资料的相关分析等。
T检验主要用于样本含量较小（例如n < 30），总体标准差σ未知的正态分布。T检验是用t分布理论来推论差异发生的概率，从而比较两个平均数的差异是否显著。
扩展资料：
（1）提出原假设：
H0：总体X的分布函数为F(x).
如果总体分布为离散型，则假设具体为
H0：总体X的分布律为P{X=xi}=pi， i=1，2，...
（2）将总体X的取值范围分成k个互不相交的小区间A1，A2，A3，…，Ak，如可取
A1=（a0，a1]，A2=(a1，a2]，...，Ak=(ak-1,ak)，
其中a0可取-∞，ak可取+∞，区间的划分视具体情况而定，但要使每个小区间所含的样本值个数不小于5，而区间个数k不要太大也不要太小。
参考资料来源：百度百科-卡方检验
本回答被网友采纳两定序变量样本大于30用Z检验，
两定序变量样本小于等于30用t检验
Learning the courage of flower