在统计的世界里，计算、假设和结论占上风。在所有的检验和结果中，t检验和p值是两种最令人困惑的假设方法。

而这两者是在同一个统计子集中发现的，并提供了进一步的假设度量，同时又是相互关联的。这两个测试不一样！

测试(ttest) vs. P值(pvalue)

T检验与P值的区别在于，T检验用于分析样本均值之间的差异率，而P值则进行P值，以获得可用来否定两个样本平均值之间的无差别的证明。

T检验提供了正常范围内两个测量值之间的差异，而p值集中在样本的极端一侧，因此提供了一个极端的结果。

尽管两者是相互关联的，但它们显示了样本的不同方面，并确定了从中推断样本的群体的不同参数。

t检验与p值对照表（表格形式）

什么是t检验(t-test)？

T检验是一种统计检验，用于确定两组相关数据的平均值之间的差异率。它属于与人口样本预测有关的统计范畴。

T检验可以在一组以某种方式相互关联的数据上进行；共同特征可能是年龄、地区、服务提供或任何此类因素。两个不同的假设不能用于T分析。

应随机指定样本以推断T检验的结果。而样本大小应该是这样的，看起来像是标准的分散，两个集合的值以相同的比例分布在平均值上。

三种著名的t检验是：；配对样本模型，一个样本，和独立的两个样本测试。

配对样本测试是指在不同时间对同一样本进行测试。这是为了推断各种外部因素对样本的影响。利用单样本t检验可以比较工人白天和夜间的生产率。

将某一事物的一个因素与所提供的标准进行比较时的一次抽样。比较灯泡的平均寿命，并将其与灯泡样品进行比较，以推断平均寿命的能力，可以通过这一措施来完成。

自主样本测试是一个给定的名称；当从样本中提取某一因子时；从两个不同的样本中提取两组不同的数据。用这种方法可以推断出男女学生的智商水平。

此比较有助于用户理解两组数据之间的关系，或理解所述标准背后的真相。

什么是p值(p-value)？

P值是用来否定两个样本均值没有差异这一事实的假设检验。

Alpha是用来描述一个预先确定的概率的术语，而p值是用来描述在对总体和样本进行彻底分析后计算出的概率的术语。

与零或无差异假设相反的是波动或替代平均值，在这种情况下，如果产生的p值小于最值得注意的数字，则拒绝静态假设。

在某些情况下，同样的假设被错误地否定了；这是在实际中空假设为真的情况下进行的，但由于实质性数字高于p值，因此被拒绝。

在另一种情况下，这个假设被错误地接受了。尽管很容易显示出差异，但相信这是由于外部问题，而不是因为任何测量或此类指标。

较小的p值意味着它对整个样本的影响具有较高的量级和显著性。

如果p值的性质如此微不足道，以至于最终必须声明平均值没有差别；在这种情况下，整个测试的测试和结果被认为是无关紧要的。

t检验与p值的主要差异

热切的目光显示了t检验和p值之间的主要区别：

• 而T检验确定了两组值的平均值之间的差异。而P值表示两个特定集合的平均值之差之间的概率。
• P值计算平均值相同的样本的概率，而对平均值不同的样本进行T检验。
• P值考察平均值之间的微小差异，这看起来是相同的，而T检验虽然在小样本上进行，但平均值需要有显著的差异。
• 样本大小影响P值，样本越大，P值越低。虽然T检验结果得出的T值与样本量成正比，但样本越大，T值越高。
• T检验的结果被认为与整个人群直接相关，而在P值的情况下，这种说法是不正确的！

结论

关于人口及其约束的假设是统计分析分支的一个重要部分，而抽样和假设是在初始阶段作出的。

T检验和p值的计算构成了关键阶段，在此基础上进一步计算，得出结论。

前两个测试给出了一个关于所选样本和最终人群的清晰的想法，关于谁的假设进行了测试。

这两个测试的结果构成了统计学的一个组成部分，因此理解两者之间的显著差异是非常重要的。

参考文献

• https://amstat.tandfonline.com/doi/abs/10.1198/tast.2010.08261
• https://www.ajol.info/index.php/aipm/article/view/64038