Можно ли t-тест использовать для ненормальных распределений?

Использование t-теста при ненормальных распределениях

Да, t-тест можно использовать для ненормальных распределений, но с существенными оговорками и условиями. Это частый вопрос в статистике, и ответ зависит от конкретной ситуации.

Основной принцип: Центральная предельная теорема

Ключевая концепция — Центральная предельная теорема (ЦПТ). При достаточно большом размере выборки распределение выборочных средних стремится к нормальному распределению, независимо от распределения исходных данных. Это означает:

• При n > 30-50 (часто рекомендуется порог 30) t-тест остаётся относительно робастным даже для ненормальных данных
• Чем больше выборка, тем менее критична нормальность исходного распределения
• Для малых выборок (n < 30) нарушение нормальности становится проблемой

Когда t-тест работает при ненормальности

Благоприятные условия:

1. Большой размер выборки (n ≥ 100) — даже при отклонении от нормальности результаты надёжны
2. Одностороннее распределение — t-тест более чувствителен к асимметрии, чем к остальным отклонениям
3. Симметричные отклонения — если распределение симметрично, но не нормально, t-тест работает лучше
4. Одинаковые объёмы групп — при равных n₁ и n₂ тест более робастен

Когда t-тест не рекомендуется

Проблемные ситуации:

• Малая выборка (n < 20) с явной ненормальностью
• Выраженная асимметрия (skewness > 2)
• Наличие выбросов — экстремальные значения сильно влияют на t-статистику
• Категориальные данные (t-тест для них не применим)
• Разные дисперсии в группах при малых выборках

Практические альтернативы

Если данные сильно нарушают нормальность и выборка мала:

Непараметрические тесты:

from scipy import stats
statistic, p_value = stats.mannwhitneyu(group1, group2, alternative='two-sided')
print(f'U-статистика: {statistic}, p-value: {p_value}')

Трансформация данных:

import numpy as np
transformed_data = np.log(data)

Вывод

T-тест — робастный тест, но не универсальный. При большом размере выборки t-тест работает, при малом — проверяйте предположения и рассмотрите альтернативы.