Press⌘+Kto search
t 检验
基础概念t 检验用 t 统计量比较均值与假设值（单样本）、两组均值（独立）或前后差值（配对），p 值小于显著性水平时拒绝"无差异"的原假设。
#三种设计的选用
同一批对象前后测用配对检验（先算每人差值再检验，能消掉个体间差异）；两组独立对象用独立样本检验，方差是否相等未知时默认 Welch 版（自由度按 Satterthwaite 修正，不需要"方差齐"假设）；拿一组数对某个标准值用单样本检验。
#p 值之外还要看效应量
p<0.05 只说明"差异大概率不是抽样噪声"，不说明差异大。Cohen d（均值差除以合并标准差）给差异的实际大小：0.2 小、0.5 中、0.8 大。报告检验结论时 t、df、p、效应量四个数一起报才是完整交代。
相关词条
配套工具
理解了概念，用工具直接上手验证
本页目录
- #三种设计的选用
- #p 值之外还要看效应量
更新于 2026-11-07
#关于「t 检验」的常见问题
t 检验用 t 统计量比较均值与假设值（单样本）、两组均值（独立）或前后差值（配对），p 值小于显著性水平时拒绝"无差异"的原假设。
本词条属于基础概念分类，与 其他基础概念 等概念紧密相关。如果你刚开始接触本地大模型部署，建议按「基础概念 → 模型与量化 → 推理与部署」的顺序阅读相关词条，配合 GPU 检测工具 边学边验证自己硬件的可行方案。