简单理解t检验与秩和检验

t-检验

选用t-检验的基本前提假设是，两组样本都服从正态分布，且方差相同。设有两类(x, y)分别有$m$个和$n$个样本，它们的总体样本方差是：
$$s_p^2=\frac{(n-1)S_x^2+(m-1)S_y^2}{m+n-2}$$
其中，$S_x^2$和$S_y^2$分别是两类样本各自的估计方差，t检验的统计量是：
$$t=\frac{\bar{x}-\bar{y}}{s_p\sqrt{\frac{1}{n}+\frac{1}{m}}}$$
它服从自由度为$n+m-2$的t分布。
在实际问题中，首先计算出实际样本的t值，然后根据t分布可以查出在原假设下取得该t值的$p$值，最后根据适当的显著性水平（如0.05）来决定是否拒绝原假设，推断两类样本的均值是否有显著差异。

$t$检验属于参数化检验方法，此类方法对数据分布有一定的假设，必要时需要首先检验样本分布是否符合该假设。

秩和检验

Wilcoxon秩和检验(rank-sum test)，有时也叫Mann-Whitney U检验，是另一类非参数检验方法，它们不对数据分布作特殊假设，因而能适用于更复杂的数据分布情况。而当数据实际上满足正态分布时，用$t$检验更有效。
秩和检验的做法是，首先将两类样本混合在一起，对所有样本按照所考察的特征从小到大排序。在两类样本中分别计算所得排序序号之和$T_1$和$T_2$，称作秩和。两类的样本数分别是$n_1$个和$n_2$。秩和检验的基本思想是，如果一类样本的秩和显著地比另一类小（或大），则两类样本在所考察的特征上有显著差异。秩和检验的统计量就是某一类（如第一类，秩和为$T_1$）的秩和
为了比较两类样本的秩和是否差异显著，需要比较T分布，当样本数目较大时，人们可以用正态分布来近似秩和$T_1$的分布。其中
$${\mu }_1=\frac{n_1(n_1+n_2+1)}{2}，{\sigma }_1=\sqrt{\frac{n_1{n}_2(n_1+n_2+1)}{12}}$$

与$t$检验相比，秩和检验没有对样本分布作任何假设，适用于更广泛的情况。另外，$t$检验的目的是检验两类样本的均值是否有系统差异，而秩和检验不但受两类分布的均值的影响，也受到分布形状的影响。

注：如无特殊说明，以上大部分内容为摘选自张学工所著《模式识别》。