这里顺带提下作为统计推断的两大分支的区间估计和假设检验的关系。
- 过程相似：如果假设均值在95%的置信区间之外，双边检验将拒绝原假设（显著性水平为5%）。
- 逻辑不同：置信区间——不知道均值多少而要估计它；假设检验: 假定一个均值要看数据是否支持这个假设。
另外还是要谈一谈统计学与实际问题——这里谈的是统计显著性和实际显著性。
一个被拒绝的原假设意味着有统计显著性，但未必有实际显著性。这种情况常发生在大样本或精确测量场合，如Kepler的行星运行第一定律：行星轨道是椭圆的，当时吻合程度很好，100年后，仪器更高级、测量更精确，该假设被拒绝，因为行星间交互作用导致摄动。因此不要盲目使用统计显著性。此外，显著性水平α的选择也是个很关键的问题。一般来说：
- α不宜过小，否则第二类错误概率会较大。
- α的选择与判断发生错误时要付出的代价大小有关。
- α的选择是决策问题。
单样本T检验就是要利用来自某总体的样本数据，推断该总体的均值和指定的检验值之间是否存在显著性差异。它是对总体均值的假设检验，检验的前提是总体服从正态分布。
7.两个总体参数的检验
讲完了一个总体参数，照例来讲就两个总体参数（两个总体均值之差，两个总体比例之差，两个总体方差比）。
独立大样本两总体均值之差检验
假定条件：
配对样本的T检验。同样的两组数据，根据它们之间关系的不同，可以分为独立样本或配对样本，独立样本和配对样本对应的T检验的自由度是不同的，这是它们作T检验最大的区别。
配对样本T检验的前提条件：
- 两个样本必须是配对的，也就是相关的；
- 两个样本所来自的总体都应该服从正态分布，这是T检验使用的基本条件；
在医学和教学领域，配对样本T检验应用是非常多的，例如以下几种情况：
- 同一受试者处理前和处理后数据的配对；同一受试者的两个局部的数据的配对；同一受试者用两种方法测量的数据的配对；配对的两个受试者分别接受两种不同的处理后的数据的配对。
- 考察某种教学方法对学生成绩的影响，使用新型教学方法前后，同一个班级学生成绩的变化等。
配对样本T检验步骤
首先对两组样本分别计算出每对观测值的差值（应用新教学方法后，同一个学生的前后两次考试成绩的差值），得到一个新的差值样本；
然后通过对差值样本的均值是否与0有显著性差异来检验两个总体的均值差是否与0有显著性差异；若差值样本的均值远离0，则认为两总体的均值有显著差异；反之，若差值样本均值在0附近波动，则认为两个总体的均值不存在显著差异。
俗话说的好：“没有买卖就没有伤害”，“假货”几乎是所有人深恶痛绝的东西，生活中无时不刻地进行各种商品的买卖，如何识别假货成为各位买家的一大头疼问题。所谓假货，就是于真货来源不同的物体。分别把真货和假货的各种商品情况来比较分析两种商品是否有明显差异，最终断定孰真孰假。这就是接下来要介绍的独立样本T检验。统计学原理
两个独立样本T检验的原假设为两个总体均值之间不存在显著性差异，需分两步完成：①利用F检验进行两总体方差的同质性判断；②根据方差同质性的判断，决定T统计量和自由度计算公式，进而对T检验的结果给予恰当的判定。
1、方差同质性检验；
在统计过程中，SPSS将自动计算F值，并将F值给出的统计量对应的显著性概率P值和显著性水平α进行比较，从而判断方差是否同质。
2、根据方差同质性判断，确定T统计量和自由度计算公式
