1、T检验的条件：已知一个总体均数；可得到一个样本均数及该样本标准差；样本来自正态或近似正态总体。

【资料图】

2、T检验的样本含量较小（例如n< 30），总体标准差σ未知的正态分布。

3、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。

4、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。

5、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。

6、扩展资料：单侧检验的界值小于双侧检验的界值，因此更容易拒绝，犯第Ⅰ错误的可能性大。

7、t检验中的p值是接受两均值存在差异这个假设可能犯错的概率。

8、在统计学上，当两组观察对象总体中的确不存在差别时，这个概率与我们拒绝了该假设有关。

9、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。

10、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。

11、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。

本文就为大家分享到这里，希望小伙伴们会喜欢。