为了达到平均值，收集和计算统计信息总是一个漫长而累人的过程。t检验和方差分析是两种最常用的测量方法。t检验用于检验两个中心或两种方式是否接近或不同。当看到至少三个中间产物或平均值时，方差分析是有利的。另一个工具被使用，这就是为什么方差分析被用于至少两种方法。t检验更容易犯错误。

测试(ttest) vs. 方差分析(anova)

t检验和方差分析的区别在于，t检验用于检验假设，因此当可以包括进一步的会话方法时，方差分析用于检验两个标准差。投机的技巧也不例外。对于每组小于30的样本量组（n），采用t检验进行比较。为了使三种或三种以上的类型相等，使用方差分析。

T检验统计量遵循T=Z/s的形式，其中Z和s是数据特征。变量Z用于替代假设；本质上，如果另一种假设是有效的，变量Z的大小就更大。同时，s是一个衡量T分布的参数。t检验的假设是ps2假设一个无效的假设分布，c）Z的值和自尊是独立的。在一定形式的t检验中，这些因素都是被分析群体的结果，如结果被分析。

方差分析是一个统计模型集。尽管学者和统计学家长期以来一直使用方差分析标准，但罗纳德·费舍尔爵士直到1918年才在《孟德尔遗传假设之间的相关性》一文中建议正式检验这种差异。此后，方差分析的推广和应用得到了扩展。方差分析是一个误称，因为它不是来自不同的收集方式之间的差异，而是来自对比。

t检验与方差分析对照表

什么是t检验(t-test)？

t检验是一种推断统计的形式，用于判断两次会议的程序是否有显著差异，是否可以在某些特征中引用。它主要用于数据集基于正态分布的情况，接近以100倍移位的形式记录的数据集。检验被用作假设的检验工具，能够检验与总体相关的假设。

t检验使用t统计量、t分布评估和评估统计显著性的机会。可以使用变异调查来进行至少三种方法的测试。本质上，t检验允许我们检查有规律的上升趋势，以及它们来自普通人群的可能性。

如果我们以一个A班学生和另一个B班学生为例，我们不希望上述模型中的学生有完全相同的均值和标准差。从本质上说，伪治疗样本照顾的对照组，那些从规定的一套药品可能有一个略有不同的均值和标准差。

在数学上，t检验从两个集合中选取一个例子，通过支持两个过程之间等价的无效参数来确认困难的声明。为了衡量和分析这些价值观与正规素质与适当的方程式和预期无效的假设是通过或否认，必要时。

什么是方差分析(anova)？

争议评估是一种用于洞察的测试仪器，由两部分组成：故意因素和不稳定因素，信息集中包含显著的总体波动。系统变量会影响给定的索引，而不稳定的元素则不会。

在复发试验中，研究者使用方差分析来确定自主变量如何影响因变量。直到1918年，罗纳德·费舍尔（Ronald Fisher）研究了差异过程，20世纪发展起来的t检验法和z检验法才被用于测量分析。

方差分析也称为Fisher方差分析，因为它增加了t检验和z检验。这个概念在1925年“研究工作者的可测量方法”出现在费舍尔的期刊上时非常引人注目。它被用于脑科学探索，然后应用于更混乱的话题。

t检验与方差分析的主要差异

1. 为了测试平均值是否与示例平均值有实质性差异，参考值和推荐值之间的基本区别在于使用了t检验。再次使用方差分析来验证两个病例的两个正常变异的异质性。
2. T检验可以在双侧检验或单侧检验中进行，但是方差分析是单侧的，唯一的检验，因为不能有负的变异。
3. T检验有很多种：–T检验配对–可靠，自主，T检验正常。方差分析只是其中一种。
4. 当样本群体小于30且正态分化不明显时，采用T检验，而方差分析可用于庞大的样本群体。
5. 样本检验采用T检验，样本转移假设采用方差分析。

结论

只有当我们只有两个群体来研究他们的方法时，我们才能说t检验是一种特殊的方差分析方法。虽然当必须同时采用多种方法与总体时，如果使用t检验，错误的概率会增加，这就是为什么要使用方差分析。t检验用于检验是否存在两个中心或单独的路径。当你看到至少三个中间点或中间点时，方差分析是有利的。方差分析至少与两种方法一起使用，这意味着t检验更容易犯错误。

参考文献

1. https://link.springer.com/article/10.3758/s13428-020-01407-2
2. https://www.ingentaconnect.com/content/acter/cter/2012/00000037/00000003/art00006