一个T-Test.是一种统计假设检验，其中检验统计量在原假设下服从Student's t分布。它可以用来测试两个数据集之间是否存在显著差异。t检验主要应用于检验统计量中比例项的值已知且服从随机分布模式的情况。当标度项未知且由根据数据的估计所代替时，检验统计量(在某些条件下)服从Student的t分布。

用于差异的两个样本T检验包括独立样品或未配对的样品。当有两个单独的独立和相同的分布式样本可用时，应用独立的样本T检验，其中两个群体中的每一个进行比较。成对样品T检验通常由匹配的类似单位的样品或已经过两次测试的一组单元（“T-Test）的一组单元组成。成对的T检验是一种封闭类型，并且当成对单元相对于“噪声因子”类似时，比未配对测试更准确。在不同的背景下，可以应用配对的T检验以减少对观察研究中的混杂因子的影响。

下面是常用的t检验:

• 一种单样本位置检验，用于检验给定总体的平均值是否在原假设中有指定的值。
• 两样本位置检验零假设，使两个总体的均值相等。所有这些检验通常被称为学生t检验，尽管严格地说，这个名字应该只适用于这两个总体的方差也应该相等的情况;当这个假设被抛弃时，使用的检验形式偶尔被称为韦尔奇t检验。这些检验通常被称为“未配对”或“独立样本”t检验，因为当两个样本的统计单位不重叠时，它们通常被使用。
• 在相同统计单元上测量的两个响应之间的差异的零假设的测试具有零的平均值。例如，假设我们在治疗前后测量癌症患者肿瘤的大小。如果这种治疗是有效的，我们假设许多患者的肿瘤大小在治疗后较小。这通常被称为“配对”或“重复措施”T检验。
• 一种检验一条回归线的斜率是否与零显著不同的检验。

如何下订单:

*如果您的组织需要签署保密协议，请通过电子邮件与我们联系