什么是T检验?
T检验 (t-test) 是一种常用的统计假设检验方法，用于比较两个或多个样本均值之间的差异是否具有统计学意义。它基于t分布理论，适用于小样本 (n < 30) 情况下的均值比较。
T检验广泛应用于心理学、医学、生物学、社会科学等领域，用于检验实验处理效果是否显著，或者两组数据是否存在真实差异。
什么是P值?
P值 (P-value) 是统计假设检验中的一个重要概念，用于衡量样本数据与原假设之间的不一致程度。它表示在原假设成立的情况下，观察到当前样本结果或更极端结果的概率。
P值 < 显著性水平
拒绝原假设，认为差异具有统计学意义。
P值 ≥ 显著性水平
不拒绝原假设，认为差异不具有统计学意义。
T检验类型
- 1. 单样本T检验 用于比较单个样本的均值与一个已知的总体均值是否存在显著差异。
- 2. 独立样本T检验 用于比较两个独立样本的均值是否存在显著差异，例如实验组与对照组的比较。
- 3. 配对样本T检验 用于比较同一组样本在两种不同条件下的均值是否存在显著差异，例如实验前后的比较。
结果解释
在T检验中，我们通常将显著性水平 (α) 设置为0.05。根据P值的大小，我们可以做出以下判断：
- * P < 0.05：差异具有统计学显著性
- * P < 0.01：差异具有高度统计学显著性
- * P < 0.001：差异具有极高度统计学显著性
- * P ≥ 0.05：差异不具有统计学显著性
常见问题 (FAQ)
T检验的自由度如何计算?
单样本T检验：自由度 = n - 1
独立样本T检验：自由度 = n1 + n2 - 2
配对样本T检验：自由度 = n - 1
其中n为样本量，n1、n2分别为两个独立样本的样本量。
如何选择检验方向?
双侧检验：假设两组均值不同，但不预先判断方向，是最常用的检验方式。
左侧检验：假设样本均值小于总体均值或实验组均值小于对照组均值。
右侧检验：假设样本均值大于总体均值或实验组均值大于对照组均值。