ttest求pvalue_T检验和其他假设检验的P值怎么理解

关于T检验以及各种假设检验的操作方法，网络上有很多详细讲解。今天我们不谈具体的步骤，而是通过案例全方面地将T检验的逻辑和思想，掰开揉碎，尝试用白话讲一步，增进大家的理解，不知知足欢迎指出讨论。

案例：5年前，全国男性的平均身高是1.75米(普查得到的总体均值)，现在我们想知道如今男性的平均身高是否发生了改变。

思路：从全国男性群体中随机抽取1000名样本，获得样本均值和样本标准差，进行假设检验。

此处需要提醒的是，在进行假设检验时，我们的关注点在样本均值上，即我们不太关注原始样本的情况，而是关注由这个样本计算的样本均值了。

现在，在脑海中重复上面的操作：比如我们随机抽取100次，每次都抽取1000名，所以，我们会得到100个样本均数，将这100个样本均数放在一起再求均数和标准差，得到的均数会更加接近全国这个总体的均数，而这个标准差就是你听过的“标准误”。

然而，现实情况中我们只会抽取一次，只会得到一个样本均数和一个样本标准差，虽然这一个样本均数不如上面由100个样本均数平均后计算地精确，但在数学上仍可以证明，这一个样本均数也可以用来很好地估计总体均数。所以，问题的关键就变成了，不抽取100次，怎么计算“标准误”？好在我们也能证明，只抽样一次获得的样本标准差(S)，除以根号N就可以得到“标准误”的估计值了，于是抽样一次就可以简单算出“标准误”，再次提醒，这个“标准误”实际上就是均数的标准差。

现在我们正式开始T检验的思路。上文提到了，我们关注的随机变量已经不