差异显著性检验t检验知识讲解共70页
合集下载
差异显著性检验t检验70页PPT
差异显著性检验t检验
31、别人笑我太疯癫，我笑他人看不 穿。(名 言网) 32、我不想听失意者的哭泣，抱怨者 的牢骚 ，这是 羊群中 的瘟疫 ，我不 能被它 传染。 我要尽 量避免 绝望， 辛勤耕 耘，忍 受苦楚 。我一 试再试 ，争取 每天的 成功， 避免以 失败收 常在别 人停滞 不前时 ，我继 续拼搏 。
33、如果惧怕前面跌宕的山岩，生命 就永远 只能是 死水一 潭。 34、当你眼泪忍不住要流出来的时候 ，睁大 眼睛， 千万别 眨眼!你会看到 世界由 清晰变 模糊的 全过程 ，心会 在你泪 水落下 的那一 刻变得 清澈明 晰。盐 。注定 要融化 的，也 许是用 眼泪的 方式。
35、不要以为自己成功一次就可以了 ，也不 要以为 过去的 光荣可 以被永 远肯定 。
56、书不仅是生活，而且是现在、过 去和未 来文化 生活的 源泉。 ——库 法耶夫 57、生命不可能有两次，但许多人连一 次也不 善于度 过。— —吕凯 特 58、问渠哪得清如许，为有源头活水来 。—— 朱熹 59、我的努力求学没有得到别的好处， 只不过 是愈来 愈发觉 自敢地 走到底 ，决不 回头。 ——左
31、别人笑我太疯癫，我笑他人看不 穿。(名 言网) 32、我不想听失意者的哭泣，抱怨者 的牢骚 ，这是 羊群中 的瘟疫 ，我不 能被它 传染。 我要尽 量避免 绝望， 辛勤耕 耘，忍 受苦楚 。我一 试再试 ，争取 每天的 成功， 避免以 失败收 常在别 人停滞 不前时 ，我继 续拼搏 。
33、如果惧怕前面跌宕的山岩，生命 就永远 只能是 死水一 潭。 34、当你眼泪忍不住要流出来的时候 ，睁大 眼睛， 千万别 眨眼!你会看到 世界由 清晰变 模糊的 全过程 ，心会 在你泪 水落下 的那一 刻变得 清澈明 晰。盐 。注定 要融化 的，也 许是用 眼泪的 方式。
35、不要以为自己成功一次就可以了 ，也不 要以为 过去的 光荣可 以被永 远肯定 。
56、书不仅是生活，而且是现在、过 去和未 来文化 生活的 源泉。 ——库 法耶夫 57、生命不可能有两次，但许多人连一 次也不 善于度 过。— —吕凯 特 58、问渠哪得清如许，为有源头活水来 。—— 朱熹 59、我的努力求学没有得到别的好处， 只不过 是愈来 愈发觉 自敢地 走到底 ，决不 回头。 ——左
差异显著性检验t检验课件
t检验的基本假设
正态分布
t检验的前提假设是数据服从正态分布，因为正态分布是统计学中常用的连续型 概率分布之一。如果数据不服从正态分布，t检验的结果可能会受到偏差。
方差齐性
在进行t检验之前，需要确保两组数据的方差齐性，即两组数据的离散程度相近。 如果方差不齐，t检验的结果可能会受到影响。
ห้องสมุดไป่ตู้
02 t检验的步骤与操作
t检验的实施步骤
01
02
03
确定检验假设
根据研究目的确定检验假 设，包括原假设和备择假 设。
计算t值
根据样本数据计算t值，使 用适当的自由度和统计软 件进行计算。
解读t值
根据t值和临界值判断差异 显著性，得出结论。
t检验的结果解读
差异显著性判断
根据t值和p值判断两组数据之间是否 存在显著差异。
结果解释
例如，某品牌推出两款手机，研究人员通 过配对样本的t检验来比较这两款手机在 用户使用体验上的差异是否显著。
THANKS
在满足一定条件下，卡 方检验的精确度高于t检 验。
05 t检验的案例分析
单一样本的t检验案例
总结词
单一样本的t检验用于检验一个样本的平均值与已知的或假设的常数之间的差异是否显著。
详细描述
例如，某品牌新款手机的电池寿命为24小时，研究人员想通过单一样本的t检验来检验实际使用中的电池寿命是 否与标称值相符。
t检验的应用场景
比较两组独立样本的均值差异
当需要比较两组独立样本的均值是否存在显著差异时，可以使用t检验。例如， 比较不同年龄组的身高均值是否存在显著差异。
比较实验组与对照组的均值差异
在实验设计中，比较实验组和对照组的均值是否存在显著差异是常见的应用场 景。例如，比较不同药物治疗组与对照组的疗效均值是否存在显著差异。
差异显著性检验课件
符号检验是一种通过计算正例和反例的符号差来推断差异是否显著的方法。
威尔科克森符号秩检验是一种在处理小样本数据时，对两配对样本或独立样本进行差异显著性检验的方法。
Kruskal-Wallis H检验是一种对三个或更多独立样本进行差异显著性检验的方法。
曼-惠特尼U检验是一种对两个独立样本进行差异显著性检验的方法，它基于样本的中位数而非平均数。
差异显著性检验课件
目录
差异显著性检验概述单因素方差分析（ANOVA）多因素方差分析（MANOVA）配对样本t检验非参数检验方法差异显著性检验在实践中的应用
01
CHAPTER
差异显著性检验概述
01
02
在科学、工程、医学等领域，差异显著性检验被广泛应用于实验结果的分析与解释。
差异显著性检验（significance test）是一种统计方法，用于确定两个或多个样本间是否存在显著差异。
原理
配对样本t检验的前提假设是，两个样本的总体方差是相同的，且服从正态分布。它基于假设检验的理论框架，通过比较两个样本的均值差异来判断是否存在显著差异。
定义
收集配对样本的数据，即相同受试者或同一组受试者在不同条件下进行的两次测量结果。
收集数据
将两次测量的数据分别作为两个样本，并计算每个样本的平均值和标准差。
样本间存在明显差异，需要确定这种差异是否具有显著性。
研究者对样本数据有疑问，需要验证数据的可靠性和稳定性。
在多个实验组之间进行比较，分析各组之间的差异。
02
CHAPTER
单因素方差分析（ANOVA）
定义
单因素方差分析是一种用于比较三个或更多组均值的统计方法，它分析的是单一变量（也称为因素）在不同水平下各组均值是否存在显著差异。
显著性差异分析PPT课件
F检验法的步骤
• F检验法用于检验两组数据的精密度,即
标准偏差 s 是否存在显著性差异。
• F检验的步骤是：先求两组数据的s（标
S 准偏差），再求得方差 2
,把
S 方差大的记大 2 为
S ,方差小2 的记 小
为
F,按计下算 式求出统SS计小 大 22量F:
判断
• 把计算的F值与查表得到的F值比较, 若F计 ＜ F表 ，则两组数据的 精密度不存在显著性差异；若F计 ＞ F表 则存在显著性差异。
所以 X 与μ之间不存在显著性差异
即采用新方法没有引起系统误差。
SUCCESS
THANK YOU
2019/7/23
（2）两组数据的平均值比较（同一试样）
• 两个分析人员测定的两组数据或采用不同的方 法测得的两组数据,经常出现差别。若要判断 这两个平均值之间是否有显著性差异，也采用 t检验法。设两组数据分别为：
解题过程
• 已知 ： n=9， f =9-1=8
• 求：平均值，标准偏差及 t 值 X 10.79，S 0.042%
__
x
t S
10.79% 10.77% n
0.042%
9 1.43
t 值表：当P=0.95，f =8 时，t0.05，8=2.31
结论：t计（1.43）＜t表（2.31）
• 因此分析结果的差异需进行统计检验或显著性 检验。
显著性检验的判断
1. 对标准试样或纯物质进行测定，所得到的 平均值与标准值不完全一致；
2. 采用两种不同分析方法或不同分析人员对 同一试样进行分析时，所得两组数据的平 均值有一定的差异；
问题：差异是由什么原因引起的 ? 偶然误差还是系统 误差 ?这类向题在统计学中属于“假设检验”。
差异显著性检验t检验知识讲解
① 根据假说所涉及的内容安排相斥性的试验或抽样调查； ② 根据试验或调查所获的资料进行推理，肯定或否定或修改假
说，从而形成结论，或开始新一轮的试验以验证修改完善后的 假说，如此循环发展，使所获得的认识或理论逐步发展、深化
13
一、几个相关概念
9. 科学研究的基本过程
① 选题 ② 文献 ③ 假说 ④ 假说的检验 ⑤ 试验的规划与设计
质、仪器的不准等因素引起的真值与观测指间的差异； 通过努力可以克服 系统误差；
随机误差：随机误差又叫抽样误差(sampling error) ，这是由于许多无法控制的
内在和外在的偶然因素所造成的真值与观测指间的差异；在试验中，即使十 分小心也难以消除；随机误差影响试验的精确性；统计上的试验误差指随机 误差，这种误差愈小，试验的精确性愈高。
x 5 0 0 5 2 0 L 4 9 05 2 8 5= 5 2 8 .5
1 0
1 0
36
17.平均数
• 加权法 计算若干个来自同一总体的样本平均数的平均数 时，如果样本含量不等(或者其总要性程度不同)， 也采用加权法计算
x fixi fx fi n
37
17.平均数
• 算术平均数的重要特性
17
一、几个相关概念
13. 单因素试验 指整个试验中只变更、比较一个试验因素的不同 水平，其他作为试验条件的因素均严格控制一致的试验。
18
一、几个相关概念
14 多因素试验 指在同一试验方案中包含2个或2个以上的试验因 素，各个因素都分为不同水平，其他试验条件均应严格控制一 致的试验。
19
一、几个相关概念
• 总体平均数
N
xi N i 1
39
17.平均数
说，从而形成结论，或开始新一轮的试验以验证修改完善后的 假说，如此循环发展，使所获得的认识或理论逐步发展、深化
13
一、几个相关概念
9. 科学研究的基本过程
① 选题 ② 文献 ③ 假说 ④ 假说的检验 ⑤ 试验的规划与设计
质、仪器的不准等因素引起的真值与观测指间的差异； 通过努力可以克服 系统误差；
随机误差：随机误差又叫抽样误差(sampling error) ，这是由于许多无法控制的
内在和外在的偶然因素所造成的真值与观测指间的差异；在试验中，即使十 分小心也难以消除；随机误差影响试验的精确性；统计上的试验误差指随机 误差，这种误差愈小，试验的精确性愈高。
x 5 0 0 5 2 0 L 4 9 05 2 8 5= 5 2 8 .5
1 0
1 0
36
17.平均数
• 加权法 计算若干个来自同一总体的样本平均数的平均数 时，如果样本含量不等(或者其总要性程度不同)， 也采用加权法计算
x fixi fx fi n
37
17.平均数
• 算术平均数的重要特性
17
一、几个相关概念
13. 单因素试验 指整个试验中只变更、比较一个试验因素的不同 水平，其他作为试验条件的因素均严格控制一致的试验。
18
一、几个相关概念
14 多因素试验 指在同一试验方案中包含2个或2个以上的试验因 素，各个因素都分为不同水平，其他试验条件均应严格控制一 致的试验。
19
一、几个相关概念
• 总体平均数
N
xi N i 1
39
17.平均数
差异显著性检验课件
详细描述
该方法通过比较两组数据的秩次（相 对大小）来检验差异显著性，特别适 用于处理小样本数据或数据不符合正 态分布的情况。它能够提供更准确的 差异显著性判断。
秩次检验
总结词
秩次检验是一种非参数统计方法，通过 比较数据的秩次来分析差异显著性。
VS
详细描述
秩次检验适用于处理不服从正态分布的数 据，尤其在处理小样本数据或数据分布不 明确时具有优势。它能够提供更全面的差 异显著性分析结果，包括差异的方向和显 著性水平。
，或者比较多个分类变量之间的
关联程度。
适用场景
实验研究
当需要比较实验组和对照组之 间的差异时，可以使用差异显
著性检验。
调查数据
在社会科学调查中，当需要比 较不同群体或地区的差异时， 可以使用差异显著性检验。
医学研究
在医学研究中，差异显著性检 验常用于比较不同治疗方案或 药物的效果。
质量控制
在生产过程中，差异显著性检 验可用于检测产品质量或过程 参数的波动是否在可接受范围
流行病学调查
分析不同人群的生理指标 差异，研究疾病的流行病 学特征。
心理学研究中的应用
人格特质研究
通过比较不同人格特质人群的心理指标， 探究人格特质与心理指标的关系。
认知能力评估
评估不同认知能力人群的心理指标差异， 了解认知能力的发展规律。
情绪状态分析
分析不同情绪状态下心理指标的变化，探 究情绪状态对心理指标的影响。
常用方法
t检验
用于比较两组均值的差异，包括 独立样本t检验和配对样本t检验。
01
方差分析
02 用于比较两组或多组数据的方差 是否存在显著差异，包括单因素 方差分析和多因素方差分析。
该方法通过比较两组数据的秩次（相 对大小）来检验差异显著性，特别适 用于处理小样本数据或数据不符合正 态分布的情况。它能够提供更准确的 差异显著性判断。
秩次检验
总结词
秩次检验是一种非参数统计方法，通过 比较数据的秩次来分析差异显著性。
VS
详细描述
秩次检验适用于处理不服从正态分布的数 据，尤其在处理小样本数据或数据分布不 明确时具有优势。它能够提供更全面的差 异显著性分析结果，包括差异的方向和显 著性水平。
，或者比较多个分类变量之间的
关联程度。
适用场景
实验研究
当需要比较实验组和对照组之 间的差异时，可以使用差异显
著性检验。
调查数据
在社会科学调查中，当需要比 较不同群体或地区的差异时， 可以使用差异显著性检验。
医学研究
在医学研究中，差异显著性检 验常用于比较不同治疗方案或 药物的效果。
质量控制
在生产过程中，差异显著性检 验可用于检测产品质量或过程 参数的波动是否在可接受范围
流行病学调查
分析不同人群的生理指标 差异，研究疾病的流行病 学特征。
心理学研究中的应用
人格特质研究
通过比较不同人格特质人群的心理指标， 探究人格特质与心理指标的关系。
认知能力评估
评估不同认知能力人群的心理指标差异， 了解认知能力的发展规律。
情绪状态分析
分析不同情绪状态下心理指标的变化，探 究情绪状态对心理指标的影响。
常用方法
t检验
用于比较两组均值的差异，包括 独立样本t检验和配对样本t检验。
01
方差分析
02 用于比较两组或多组数据的方差 是否存在显著差异，包括单因素 方差分析和多因素方差分析。
第五部分--T检验和F检验PPT课件
27
.
28
Paired Samples Statistics
Mean Pair 体 13温 8.2前 400
体3温 8.6后 300
Std. Error NStd. DeviatiM onean 10 .15776.04989
10 .20575.06506
red Samples Correlatio
Std. Error N Me Satn d. DeviatM ioe nan 幼 儿 智2 商 0 103.05 3.137 .701
One-Sample Test
t 幼 儿 智 4.3商 48
Test Value = 100
95% Confidence Interval of the
Mean Difference dfSig. (2-taiDleifdf)erencLeower Upper
C NorrelatiS oin g. Pai体 r 1温 前 1& 0 .体 47温 2.1后 68
.
29
Paired Samples Tes t
Paired Differences
95% Confidence
Interval of the
Std. Std. ErrorDifference
MeanDeviationMean LowerUpper t
库 samples T
Test
.
22
输入变量
.
23
Group Statistics
Std. Error 品 尝 类N型 MeSatn d. DeviatM ioenan
饮 料 评 A 价
12 0.60001.26491 .40000
显著性检验PPT课件
取9个果穗 ，测得平均单穗重 穗重有无真实影响？
308g，试问这种药剂对该品种玉米的平均单 0
x
第8页/共119页 上一张 下一张 主 页 退 出
（一）提出假设
首先对样本所在的总体作一个假设。假设喷洒了药剂的玉米单穗重总体平
均数 与原来的玉米单穗重总体平均数 之间没有真实差异，即
或
。也就是假设表面差异
没有差异的假设 H0：
没有差异， 或者是 与 0
未被否定，这有两种可能存在： 或者是 有差异而因为试验误差大被掩盖了。
u
与 确实
0
0
0
0
第31页/共119页 上一张 下一张 主 页 退 出
因而，不能仅凭统计推断就简单 地作出绝对肯定或绝对否定的结论。
“有很大的可靠性，但有一定的 错误率” 这是统计推断的基本特点。
设H0，同时要冒5%下错结论的风险； 经 检验获得“差异极显著”的结论，我们 有99%的把握否定无效假设H0，同时要冒1%下错结论的风险；而经
检验获得“差异不显著”的结论，在统计学上是指“没有理由”否定无效假设H0，
同样也要冒下错结论的风险。
u
u
第27页/共119页 上一张 下一张 主 页 退 出
显著性检验可能出现两种类型的错误： Ⅰ型错误 与Ⅱ型错误。
u 上述显著性检验利用了 分布来估计出∣u∣≥2.526的两尾概率，所以称
为 检验.
u
第19页/共119页 上一张 下一张 主 页 退 出
三、显著水平与两种类型的错误
(一)显著水平
用来否定或接受无效假设的概率标准叫显著水平，记作 学研究中常取
=0.05，称 为 5% 显 著 水 平； 或 =0.01，称 为 1% 显 著 水 平 或 极显著水平。
医学统计学——t检验课件
医学统计学——t检验课件xx年xx月xx日contents •t检验的基本概念•t检验的原理•t检验的步骤•t检验的应用•t检验的注意事项•t检验的实例演示目录01 t检验的基本概念统计假设检验的一种，用于比较两个独立样本的平均数是否有显著差异，或一个样本的平均数与一个已知的参考值之间是否有显著差异。
t检验常用于小样本数据，特别是两个独立样本的比较。
t检验的定义t检验的适用范围适用于小样本数据，特别是两个独立样本的比较；常用于检验一个样本的平均数与一个已知的参考值之间是否有显著差异；可用于二分类变量和等级变量的比较。
两个独立样本来自的总体服从正态分布；两个独立样本来自的总体方差相等；样本数据是随机样本。
t检验的假设条件02 t检验的原理两独立样本t检验适用条件样本应来自正态分布总体，且方差相等。
结果解释根据t值和自由度，结合临界值表，确定P值，判断是否拒绝原假设。
统计假设比较两组独立样本的均值是否存在显著差异，即H0：μ1=μ2与H1：μ1≠μ2。
两配对样本t检验统计假设比较两组配对样本的差值均值是否显著非零，即H0：μ1-μ2=0与H1：μ1-μ2≠0。
适用条件样本应来自正态分布总体，且方差相等。
结果解释根据t值和自由度，结合临界值表，确定P值，判断是否拒绝原假设。
单因素方差分析t检验统计假设比较三组或多组独立样本的均值是否存在显著差异，即H0：μ1=μ2=…=μn与H1：μ1≠μ2≠…≠μn。
适用条件样本应来自正态分布总体，且方差相等。
结果解释根据F值和自由度，结合临界值表，确定P值，判断是否拒绝原假设。
如果P值小于预设显著性水平α，则认为各组均值存在显著差异；否则，认为无显著差异。
03 t检验的步骤明确研究目的明确研究目的是t检验的首要步骤，决定了数据的类型和数量。
数据筛选对数据进行筛选，去除异常值和缺失值，以确保数据的有效性和可靠性。
数据分组根据研究目的，将数据分成两组或以上，以便进行比较和分析。
差异显著性检验t检验课件
差异显著性检验t检 验课件
目录
• 差异显著性检验t检验概述 • t检验的数学模型 • t检验的实施步骤 • t检验的案例分析 • t检验的局限性及解决方法 • t检验的软件实现与结论
01
差异显著性检验t检验概述
定义与概念
差异显著性检验t检验是一种常用的统计分析方法，用 于比较两组数据的均值是否存在显著差异。它利用t分 布理论来评估数据的可靠性。
配对样本t检验案例
总结词
配对样本t检验用于比较两个相关样本的平均值之间是否存在显著差异。
详细描述
配对样本t检验（也称为两相关样本t检验）是一种常用的差异显著性检验方法，用于比较两个相关样 本的平均值之间是否存在显著差异。例如，假设我们有两个由同一组研究对象在不同时间点上收集的 样本，我们要检验这两个样本的平均血压值是否存在显著差异。
01 如果p值小于0.05，那么我们可以认为这两个样本
的均值存在显著差异。
02
如果p值大于0.05，那么我们不能认为这两个样本 的均值存在显著差异。
t检验的实际应用建议
t检验主要用于比较两个独立样 本的均值是否存在显著差异，或 者一个样本与一个已知值之间是
否存在显著差异。
在进行t检验之前，需要先对数 据进行正态性检验，因为t检验 的前提假设是数据符合正态分布
在科学、工程、医学等领域，差异显著性检验t检验被 广泛应用于验证实验结果、比较实验组与对照组之间的 差异等。
t检验的应用范围
确定两组数据的均值是否存在显著差异，如研究 01 对象的身高、体重、年龄等。
检验一个样本的均值与已知的参照值是否存在显 02 著差异，如检测产品的质量、评估治疗效果等。
比较两个或多个独立样本的均值是否存在显著差 03 异，如不同地区、不同时间的数据比较。
目录
• 差异显著性检验t检验概述 • t检验的数学模型 • t检验的实施步骤 • t检验的案例分析 • t检验的局限性及解决方法 • t检验的软件实现与结论
01
差异显著性检验t检验概述
定义与概念
差异显著性检验t检验是一种常用的统计分析方法，用 于比较两组数据的均值是否存在显著差异。它利用t分 布理论来评估数据的可靠性。
配对样本t检验案例
总结词
配对样本t检验用于比较两个相关样本的平均值之间是否存在显著差异。
详细描述
配对样本t检验（也称为两相关样本t检验）是一种常用的差异显著性检验方法，用于比较两个相关样 本的平均值之间是否存在显著差异。例如，假设我们有两个由同一组研究对象在不同时间点上收集的 样本，我们要检验这两个样本的平均血压值是否存在显著差异。
01 如果p值小于0.05，那么我们可以认为这两个样本
的均值存在显著差异。
02
如果p值大于0.05，那么我们不能认为这两个样本 的均值存在显著差异。
t检验的实际应用建议
t检验主要用于比较两个独立样 本的均值是否存在显著差异，或 者一个样本与一个已知值之间是
否存在显著差异。
在进行t检验之前，需要先对数 据进行正态性检验，因为t检验 的前提假设是数据符合正态分布
在科学、工程、医学等领域，差异显著性检验t检验被 广泛应用于验证实验结果、比较实验组与对照组之间的 差异等。
t检验的应用范围
确定两组数据的均值是否存在显著差异，如研究 01 对象的身高、体重、年龄等。
检验一个样本的均值与已知的参照值是否存在显 02 著差异，如检测产品的质量、评估治疗效果等。
比较两个或多个独立样本的均值是否存在显著差 03 异，如不同地区、不同时间的数据比较。
医学统计学——t检验课件
样本量大小的问题
足够的样本量是t检验准确性的重要保障
如果样本量过小，t检验的结果可能不准确。
确定合适的样本量
在医学研究中，一般认为样本量至少需要达到30才能进行t检验。同时，可以使用如Bootstrap、jackknife等 重采样方法来评估t检验的稳定性。
06
t检验的复习与巩固
概念辨析
t检验
医学统计学——t检验课件
xx年xx月xx日Βιβλιοθήκη contents目录
• t检验的基本概念 • t检验的原理 • t检验的步骤 • t检验的应用 • t检验的局限性 • t检验的复习与巩固
01
t检验的基本概念
t检验的定义
总结词
t检验是一种常用的参数检验方法，用于比较两组数据的均值 是否存在显著差异。
详细描述
计算t值
正态性检验
对数据进行正态性检验，以确定数据是否符合正态分布。
t值计算
根据样本数据计算t值，并确定自由度。
查表得出p值
p值定义
p值是统计学中表示样本数据是 否显著的重要指标。
p值计算
使用t值和自由度查表得出p值 。
解读p值
根据p值大小，判断样本数据的 显著性，从而得出结论。
04
t检验的应用
t检验是通过计算t值来评价两组数据之间的差异程度，以确定 这种差异是随机误差引起还是处理效应引起。
t检验的适用范围
总结词
t检验适用于小样本数据，特别是样本数据呈正态分布或近似正态分布的情况 。
详细描述
在医学研究中，t检验常用于比较两组病例的疗效、安全性等指标的差异，也 可以用于评价不同剂量、不同处理方式之间的差异。
实例
例如在肺癌患者的预后评估中，根据患者年龄、性别、病理 类型、肿瘤大小、淋巴结转移情况等数据，使用t检验进行统 计分析，可以得出患者的生存期是否存在显著差异，从而为 临床医生提供参考依据。
显著性检验——t检验
显著性检验——t检验
⾃⼰对t检验的⼀些理解：
样本平均数⽐较：
⽐较两个样本之间的差异，⼀般会⽐较样本的平均数，然⽽样本的平均数差异不⼀定代表了全体的平均数差异
样本平均数差异：
⼜称为试验的表⾯效应，来源于以下两个⽅⾯：
1.试验差异（抽样差异）
2.全体的平均数真正存在差异
显著性检验⼜叫做假设检验，有很多检验⽅法如：t检验、F检验和卡⽅检验等
t检验：
概念：
⽤来检验表⾯效应是否属于试验差异，如果属于试验差异，则两组样本所代表的全体差异不⼤；如果不属于试验差异，则两组样本所代表的全体差异明显
依据：
判定接受或否定⽆效假设的依据是“⼩概率事件实际不可能性原理”
适⽤范围：
两组样本⽐较，每组样本量⼩于30，包括独⽴样本和配对样本
1.独⽴样本：不同组参与者之间的⽐较
2.配对样本：同⼀组参与者在两种不同产品或设计上的数据
名词解释：
1.⽆效假设：
假设两组全体的平均数相同，即样本平均数差异来⾃试验差异
2.P值：
表⽰这种⽆效假设的概率
3.显著⽔平α值：
⽤来衡量接受或否定⽆效假设的标准依据，⼀般定为0.05或0.01，具体值依据多种因素，如试验过程中的影响要素多少、对试验精度要求程度等
a、如果P<α，说明⽆效假设的概率较⼩，不可能发⽣，所以样本平均数差异不来⾃试验差异，两组数据差异明显
b、反之，说明⽆效假设的概率较⼤，所以样本平均数差异来⾃试验差异，两组数据⽆明显差异。