t检验是对各回归系数的显著性所进行的检验，（－－这个太不全面了，这是指在多元回归分析中，检验回归系数是否为0的时候，先用F检验，考虑整体回归系数，再对每个系数是否为零进行t检验。t检验还可以用来检验样本为来自一元正态分布的总体的期望，即均值；和检验样本为来自二元正态分布的总体的期望是否相等）
目的：比较样本均数 所代表的未知总体均数μ和已知总体均数μ0。
计算公式：
t统计量：
自由度：v=n - 1
适用条件：
(1) 已知一个总体均数；
(2) 可得到一个样本均数及该样本标准误；
(3) 样本来自正态或近似正态总体。
例1 难产儿出生体重n=35, =342, S =040,
一般婴儿出生体重μ0=330（大规模调查获得），问相同否？
解：1建立假设、确定检验水准α
H0：μ = μ0 （无效假设，null hypothesis）
H1：（备择假设,alternative hypothesis，）
双侧检验，检验水准:α=005
2计算检验统计量
，v=n-1=35-1=34
3查相应界值表，确定P值，下结论
查附表1，t005 / 234 = 2032,t < t005 / 234,P >005，按α=005水准，不拒绝H0，两者的差别无统计学意义
一般情况下，在 T 检验中，T 值大于2 即可判断通过了显著性检验，相当于 P 值小于 005。
1、T 检验 的适用条件：
（1）已知一个总体均数；
（2）可得到一个样本均数及该样本标准差；
（3）样本来自正态或近似正态总体 。
2、T 检验 可分为单总体检验和双总体检验，以及配对样本检验 。
（1）单总体检验：
单总体t检验是检验一个样本平均数与一个已知的总体平均数的差异是否显著。当总体分布是正态分布，如总体标准差未知且样本容量小于30，那么样本平均数与总体平均数的离差统计量呈t分布。
（2）双总体检验：
双总体t检验是检验两个样本平均数与其各自所代表的总体的差异是否显著。双总体t检验又分为两种情况，一是独立样本t检验（各实验处理组之间毫无相关存在，即为独立样本），该检验用于检验两组非相关样本被试所获得的数据的差异性；一是配对样本t检验，用于检验匹配而成的两组被试获得的数据或同组被试在不同条件下所获得的数据的差异性，这两种情况组成的样本即为相关样本。
（3）配对样本检验：
配对样本t检验可视为单样本t检验的扩展，不过检验的对象由一群来自常态分配独立样本更改为二群配对样本之观测值之差。
扩展资料：
T 检验 的注意事项：
1、选用的检验方法必须符合其适用条件；
2、区分单侧检验和双侧检验。
3、假设检验的结论不能绝对化。
4、正确理解P值与差别有无统计学意义。
5、假设检验和可信区间的关系结论具有一致性差异：提供的信息不同区间估计给出总体均值可能取值范围，但不给出确切的概率值，假设检验可以给出H0成立与否的概率。
6、涉及多组间比较时，慎用t检验。
参考资料来源：百度百科 - T 检验
当一个统计量的值落在临界域内，这个统计量是统计上显著的，这时拒绝虚拟假设。当一个统计量的值落在接受域中，这个检验是统计上不显著的，这是不拒绝虚拟假设H0。因为，其不显著结果的原因有可能是样本数量不够拒绝H0 ，有可能犯第Ⅰ类错误。
正确理解P值与差别有无统计学意义。P越小，不是说明实际差别越大，而是说越有理由拒绝H0 ，越有理由说明两者有差异，差别有无统计学意义和有无专业上的实际意义并不完全相同。
扩展资料
最常用t检验的情况有：
1、单样本检验：检验一个正态分布的总体的均值是否在满足零假设的值之内，例如检验一群军校男生的身高的平均是否符合全国标准的170公分界线。
2、双样本检验：其零假设为两个正态分布的总体的均值之差为某实数，例如检验二群人的身高之平均是否相等。这一检验通常被称为学生t检验。但更为严格地说，只有两个总体的方差是相等的情况下，才称为学生t检验；否则，有时被称为Welch检验。
以上谈到的检验一般被称作“未配对”或“独立样本”t检验，我们特别是在两个被检验的样本没有重叠部分时用到这种检验方式。
3、“配对”或者“重复测量”t检验：检验同一统计量的两次测量值之间的差异是否为零。举例来说，我们测量一位病人接受治疗前和治疗后的肿瘤尺寸大小。如果治疗是有效的，我们可以推定多数病人接受治疗后，肿瘤尺寸应该是变小了。
4、检验一条回归线的斜率是否显著不为零。
参考资料来源：百度百科-学生t检验
参考资料来源：百度百科-t检验
t检验计算公式如下图所示：
T检验，亦称student t检验（Student's t test），主要用于样本含量较小（例如n < 30），总体标准差σ未知的正态分布。
T检验是用t分布理论来推论差异发生的概率，从而比较两个平均数的差异是否显著。它与f检验、卡方检验并列。t检验是戈斯特为了观测酿酒质量而发明的，并于1908年在Biometrika上公布。
t检验注意：
1无论哪种T检验、都要数据服从正态或者近似正态分布。正态性的检验方法有：正态图、正态性检验、P-P图/Q-Q图等。
2独立样本的T检验，除了要满足正态性，还需要满足方差齐性的前提条件。在方差齐性的情况下才可以使用T检验，如果方差不齐性，则应采用校正T检验。
t检验主要用于样本含量较小（例如n < 30），总体标准差σ未知的正态分布。
t检验是用t分布理论来推论差异发生的概率，从而比较两个平均数的差异是否显著。它与f检验、卡方检验并列。t检验是戈斯特为了观测酿酒质量而发明的，并于1908年在Biometrika上公布。
实用场景
单样本检验：检验一个正态分布的总体的均值是否在满足零假设的值之内。
双样本检验：其零假设为两个正态分布的总体的均值是相同的。这一检验通常被称为学生t检验。但更为严格地说，只有两个总体的方差是相等的情况下，才称为学生t检验。
否则，有时被称为Welch检验。以上谈到的检验一般被称作“未配对”或“独立样本”t检验，我们特别是在两个被检验的样本没有重叠部分时用到这种检验方式。
以上就是关于什么是T检验全部的内容，包括:什么是T检验、怎么判断是否通过T检验、t检验怎么分析结果等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！
