统计分析和图形可视化软件Graphpad Prism之T检验
T检验是一种简单的统计技术，用于评估不多于两个不同样本的均值之间是否存在统计差异。当你有较少的样本观测值（大约30个或更少），并希望对更大的群体做出结论时，T检验特别有用。GraphPad Prism是一个强大的统计和科学2D图形软件，可以很方便地进行 T 检验，以对比两个数据组的均值是否存在显著差异。在 GraphPad Prism中进行T检验的过程很直观，用户只需导入数据，选择正确的检验类型（独立样本T检验，配对T检验或者单样本T检验），然后软件将自动计算出结果，并给出相关的统计图表。GraphPad Prism还能提供对T检验结果的详细解释，包括p值，置信区间，效应量等，帮助用户准确理解并解读结果。接下来，本文将谈一谈究竟什么是T检验。
一、T检验是什么？
T检验是一种统计技术，用于量化最多两个样本（数据集）的变量的均值（平均值）之间的差异。变量必须是数值型的。一些例子包括身高、总收入、以及在特定饮食下的体重减少量。
T检验告诉你，基于预期的差异，你观察到的差异是否“出人意料”。它们使用T分布来评估预期的变异性。当你有合理大小的样本（30个或更多的观测值），可以仍然使用T检验，但也可以使用使用正态分布的其他检验（z检验）来替代。
二、何时应使用T检验？
当你从某个统计“总体”中收集了一个小的、随机的样本，并希望将你的样本的均值与另一个值进行比较时，使用T检验是合适的。用于比较的值可以是固定值（例如，10）或第二个样本的均值。
例如，如果你感兴趣的变量是你所在地区六年级学生的平均身高，那么你可能会测量25个或30个随机选定的六年级学生的身高。T检验可以用来回答这样的问题，例如，“平均身高大于1.22米吗？”
三、T检验如何工作？
基于你的实验，T检验对你的实验做出足够的假设，计算出预期的变异性，然后使用这个来确定观察到的数据是否具有统计显著性。为了做到这一点，T检验依赖于一个假设的“零假设”。以上面的例子，零假设是平均身高小于或等于1.22米。
假设我们测量了5个随机选定的六年级学生的身高，平均身高是1.52米。这是否意味着所有六年级学生的“真实”平均身高大于1.22米，还是我们恰好测量到了比平均身高更高的学生？
为了评估这一点，我们需要一个分布，显示在总体真实均值为1.22米的情况下，五个个体样本的每一种可能的平均值。这似乎不可能做到，这就是为什么需要进行特定假设以进行T检验。
有了这些假设，那么确定“均值的抽样分布”所需要的就是样本大小（在这个例子中是5个学生）和数据的标准差（我们假设的身高分布的宽度）。
在这个分布上，1.22米会是中值（总体均值），而我们的样本均值（1.52米）会距离中值一段距离。我们将这个距离量化为“T值”。大的T值表示我们的样本均值距离预期值越远。
我们将我们的T值与在相同样本大小和预期变异性下可能得到的所有T值比较，然后计算得到的T值大于或等于我们的T值的可能性。这个比例就是我们的p值。
如果p值低于我们选择的显著性水平（通常是0.05），我们就会拒绝零假设，并得出结论，所有六年级学生的平均身高大于1.22米。如果p值高于我们选择的显著性水平，我们就无法拒绝零假设，也就是说，我们无法得出所有六年级学生的平均身高大于1.22米的结论。
