你好
对于以下使用 R 合并/未合并（Welch）的奶牛品种的挤奶期总结，适当的两个样本 t 程序是什么？
弗里斯兰牛 Xbar=342.5 S1=10.2 n1=126
泽西牛 Xbar =348.6 S2=12.2 n2=39
构建 µ1-µ2 的 95% 置信区间
给出区间的正确解释
谢谢
@Alma1 ，我不知道你有什么数据，一个例子会有所帮助。
在下面的脚本中（当您执行时），您会看到一个数据集，并且执行了两个 t 检验，给出了不同的结果。
一般来说，统计检验有前提条件，t检验假设数据集呈正态分布，
汇集 t 检验假设方差相等，
t 检验也适用于不同的方差。
这是因为它们使用均值和方差，如果这两个数字不能正确表示数据，则该方法不起作用。
如果您执行 t 检验，并且假设无效，则您不能依赖结果。
在下面的示例中，您可以看到两个 t 检验的不同结果，但请注意，正态分布在这种情况下也无效。
您也可以在文档中找到这些结果，我发现 STIPS 是理解这些东西的一个很好的培训。
Names Default To Here( 1 );
cdt = Open( "$SAMPLE_DATA\companies.jmp" );
cdt << Oneway(
Y( :Name( "Profits ($M)" ) ),
X( :Type ),
Means( 1 ),
t Test( 1 ),
Mean Diamonds( 1 ),
SendToReport(
Dispatch( {"Oneway Anova"}, "Summary of Fit", OutlineBox, {Close( 1 )} ),
Dispatch( {"Oneway Anova"}, "Analysis of Variance", OutlineBox, {Close( 1 )} ),
Dispatch( {"Oneway Anova"}, "Means for Oneway Anova", OutlineBox, {Close( 1 )} )
)
);
@Alma1写道：
顺便说一下jmp背景是R。
我不确定您在这里到底在想什么，但 JMP 没有 R 背景知识。
JMP 是 SAS 的产品并且由我们单独开发。
有通过 JSL 与 R 集成，提供调用 R 和提交 R 代码的能力，但这是 JMP 和 R 之间的唯一关联。
不！这不是作业。我们正在进行一项研究，我不知道是否使用合并/非合并测试询问想法有什么问题？如果你愿意，你可以不回答
@Alma1看一下
帮助 -> 样本数据 -> 计算器 -> 两种均值的假设检验
并遵循工作流程（或执行下面的脚本）。
出于学习目的，我还建议从汇总统计数据构建数据表，并从菜单 Analysis -> Fit y by x 执行 t-Test，并阅读 JMP 给出的解释。
Names default to here(1);
open("$SAMPLE_SCRIPTS\Calculators\TestTwoSampleMeans.jsl");