分类变量、有序变量、数值变量差异分析（二）t检验

t检验属于参数方法中假设检验方法，主要包括单样本t检验、独立样本t检验和配对样本t检验等，美中适用于不同情形。

• 单样本t检验

单样本t检验的意义在于检验序列$X_1$的均值能否视作等于$S_0$，最常见的例子是检验一个班的平均身高是否等于某个值。
$H_0:E(X_1)-S_0=0$
当显著性水平$\alpha$为0.05时，若P值小于0.05则拒绝原假设，认为该班平均身高$E(X_1)$与$S_0$有显著性差异，也就是说该班平均身高不是$S_0$。若P值大于0.05，没有可以拒绝$H_0$的证据，则认为该班平均身高可视作$S_0$。

• 独立样本t检验

独立样本t检验假设两组样本是从不同的正态分布采样出来的，意义在于检验序列$X_1$与序列$X_2$的均值是否相等。
A班身高被计为序列$X_1$，B班身高被计为序列$X_2$，现检验A班与B班身高是否一样。
$H_0:E(X_1)-E(X_2)=0$
当分布标准差相等时，$t\sim T(n_1+n_2)$：

当分布标准差不相等时$t\sim T(df)$：

显著性水平$\alpha$为0.05，若P值小于0.05则拒绝原假设，认为A班平均身高$E(X_1)$与B班平均身高$E(X_2)$有显著性差异。若P大于0.05则认为A班身高可视作与B班一样。

• 配对样本t检验

配对样本t检验的与独立样本t检验的区别在于，配对样本精确到序列中的每个个体，独立样本t检验确是仅针对双方均值进行的检验，常用于一些试验的效果检测。
配对样本t检验要求两个序列中位于相同位置上的两个数必须是一组内的，像两条笔直的竖线，每一水平上都是对应的一组数据，所以两边的样本量一定是相同的；独立t检验却允许数据可不对应，形象一点就是可以分析俩坨数据， 即便两边的样本个数并不一样。
$H_0:E(X_1-X_2)=0$