我们生活在这样一个时代，信息可以借助统计数字从数学上确定。然而，对统计学的研究，似乎不仅仅是对事实和数字的研究。

统计推断是基于随机抽样，利用统计数据做出有关总体参数的决定。统计推断的实现包括假设检验，并讨论统计学家如何利用这个过程来接受或拒绝总体参数的假设。在这种方**下，T检验及其各种类型的问题，即单样本T检验、独立T检验和配对T检验应运而生。

成对测试(paired ttest) vs. 未配对测试(unpaired ttest)

配对T检验和非配对T检验这两个统计术语之间的区别在于，在配对T检验中，您比较有意配对的配对测量值之间的差异，而在非配对T检验中，您测量两个没有自然配对的样本的平均值之间的差异。

配对t检验与非配对t检验对照表（表格形式）

什么是配对t检验(paired t-test)？

配对T检验，又称为相关配对T检验/配对样本T检验/相依T检验，是对因变量进行检验的统计过程。在分配数据之前，对相似的受试者进行配对测试，在治疗前后进行两次测试。例如，在年初和年底进行的英语课堂测试中，学者的进步，药物对同一组个体的前后影响，等等。

假设：

配对t检验下的两个假设。

1. 无效假设（H）：指定人群之间无显著差异，H0:μ1=μ2
2. 替代假设（H1）：由于拒绝了无效假设，两个总体均值之间存在统计上的显著差异。H1：μ1≠ μ2

假设：

配对样本t检验作出以下假设：

1. 相似对之间的差异遵循正态概率分布。
2. 观测值应独立地、均匀地取样。
3. 配对t检验是在比率或区间的帮助下逐步进行的。因为T检验是基于正态分布的，所以数据需要是连续的而不是离散的
4. 自变量应由两个相依/相似的组组成。

什么是非配对t检验(unpaired t-test)？

非配对t检验，也称为独立样本t检验/双样本t检验，是一种统计方法，用于确定两个不相关的独立组的均值之间是否存在显著差异。例如：当您要比较按性别分组的个体的平均睡眠周期时：**组和**组。

独立t检验的假设：

独立t检验的无效假设是两个不同组的总体平均数相等：

H0:μ1=μ2

当无效假设被拒绝时，替代假设被接受，这意味着总体均值不相等

H1：μ1≠ μ2

要拒绝或接受无效假设，显著性水平是关键。该特定值为0.05。

假设：

1. 第一个假设涉及测量尺度——收集的数据应遵循连续或有序的尺度。
2. 这些数据应该从总人口中随机抽取的一部分中收集。
3. 这些数据应该形成一个正态的钟形分布曲线。当假设为正态分布时，可以指定显著性水平。
4. 应该使用大量的样本。
5. 因变量的方差和标准差应相等。

配对t检验与非配对t检验的主要差异

• 配对T检验是指比较两组受试者之间的差异。例如：训练前后5.名学生的智商。非配对T检验指的是计算两组独立受试者平均值之间的差异。例如：平均100名学生，1-50组女生和2-50组男生
• 配对T检验的方差是相等的。由于方差相等，两个平均值组的标准差也相等。假设非配对T检验的方差不相等，因此标准差也不相等。
• 配对T检验具有较少的随机误差，因为配对T检验主要用于发现两组相似被试之间的差异，实验者不必关注个体差异。在非配对T检验中，实验者的观察结果会受到两组无关受试者个体差异的影响，这反过来又会导致随机误差。
• 配对T检验为实验者节省了大量的时间和金钱，因为他不需要找到大量的样本数据来计算两个相似的平均值组。由于实验者必须找到大量的数据来分析两个独立的平均值组，因此非配对T检验的成本略高，而且耗时。

结论

每天，个人都会发现自己分析新的想法，获得快速的方法来完成分配的工作，或者找到一种简单而不那么复杂的方法，去尽力做他们所做的最好的事情。关键的问题是这个新想法是否比他们最初的想法明显好。这些个人倾向于提出的新想法通常被称为假说。检验这些想法，以解决是否一个会比另一个更好的工作被称为假设检验。这是一门用数据做决定的艺术。

上面的计件工作给出了两个统计术语-配对T检验和非配对T检验的概述。它有助于我们对非配对T检验的概念进行详细的研究，并提出这样一个问题：在决定样本中某个值的概率时，它有多大的优势，以及在选择这种计算方法时，优势是否大于劣势。

它还为我们提供了配对T检验的概念，并向我们展示了配对T检验适用的各个领域和例子，必须遵循的假设和可用于计算的公式，以确保从同一主题采取两次措施的方式之间的区别的重要性。

参考文献

• https://libguides.library.kent.edu/spss/pairedsamplesttest
• https://libguides.library.kent.edu/spss/independentttest