非正态分布的大样本可以计算t检验吗？
例如A组用户数为100K，B组用户数为100K。我想测试一下这两组的平均会话持续时间是否具有统计显着性。
第一种方法）我们将这些用户在 AB 测试后的第二天（DAY1）的平均会话持续时间计算为
我们知道A组和B组中的用户的DAY1会话值呈非正态分布。 在这种情况下，使用两个样本 t 检验来测试两组的 DAY1 平均会话持续时间是否正确？ （我们接受n=100K） （一些消息来源称，即使是非正态分布，计算大样本的 t 分数也会给出准确的结果。）
第二种方法）在 AB 测试开放当天计算每日平均会话持续时间的 t 分数是否是正确的方法？ 例如;在下面的场景中，计算A组和B组中10万用户的平均每日会话时长。我们将接受此处的天数作为观测数，并得到 n=30。 我们还将计算 n=30 上的双样本 t 检验计算。
| 团体 | 第 0 天平均持续时间 | 第 1 天平均持续时间 | 第 2 天平均持续时间 | ... | 第30天AV持续时间 |
|---|---|---|---|---|---|
| A | 30.2 | 31.2 | 32.4 | ... | 33.2 |
| B | 29.1 | 30.2 | 30.4 | ... | 30.1 |
这些方法是否能给出正确的结果，或者在这种情况下是否有必要应用其他方法？ AB检验中大样本计算t检验有意义吗？
t 检验假设从总体中抽取的不同样本的均值呈正态分布。它并不假设人口本身呈正态分布。
对于方差有限的总体，中心极限定理表明总体样本的均值呈正态分布。然而，均值分布近似正态所需的样本量取决于总体的非正态程度。 t 检验对于非正态总体分布的小样本无效，但对于非正态分布的大样本有效。
方法 1 之所以有效，是因为这个原因（大样本量 ~100K），并且您是正确的，计算大样本的 t 分数即使在非正态分布的情况下也会给出准确的结果。 [您还可以考虑对您正在使用的样本大小 (100K) 使用 z 检验。 T 检验更适合较小的样本量，例如 n < 30]
方法 2 有效，因为根据中心极限定理，在给定足够样本的情况下，每日平均值应呈正态分布。花费时间的数据集可能会出现偏差，但通常效果良好。