自由度（v）/显著性水平（α） 0.1 0.05 0.025 0.01 0.005 0.001 0.0005
1 3.078 6.314 12.076 31.821 63.657 318.310 636.620
2 1.886 2.920 4.303 6.965 9.925 22.326 31.598
3 1.638 2.353 3.182 4.541 5.841 10.213 12.924
4 1.533 2.132 2.776 3.747 4.604 7.473 8.610
5 1.476 2.015 2.571 3.365 4.032 5.893 6.869
6 1.440 1.943 2.447 3.143 3.707 5.208 5.959
7 1.415 1.895 2.365 2.998 3.499 4.785 5.408
8 1.397 1.860 2.306 2.896 3.355 4.501 5.041
9 1.383 1.833 2.262 2.821 3.250 4.297 4.781
10 1.372 1.812 2.228 2.764 3.169 4.144 4.587
11 1.363 1.796 2.201 2.718 3.106 4.025 4.437
12 1.356 1.782 2.179 2.681 3.055 3.930 4.318
13 1.350 1.771 2.160 2.650 3.012 3.852 4.221
14 1.345 1.761 2.145 2.624 2.977 3.787 4.140
15 1.341 1.753 2.131 2.602 2.947 3.733 4.073
16 1.337 1.746 2.120 2.583 2.921 3.686 4.015
17 1.333 1.740 2.110 2.567 2.898 3.646 3.965
18 1.330 1.734 2.101 2.552 2.878 3.610 3.922
19 1.328 1.729 2.093 2.539 2.861 3.579 3.883
20 1.325 1.725 2.086 2.528 2.845 3.552 3.850
40 1.303 1.684 2.021 2.423 2.704 3.307 3.551
60 1.296 1.671 2.000 2.390 2.660 3.232 3.470
120 1.289 1.658 1.980 2.358 2.617 3.160 3.390
∞ 1.282 1.645 1.960 2.326 2.576 3.090 3.291

 

什么是T检验？一篇文章讲通！

 

在你工作或研究中，如果你曾经思考过这样的问题——
“我们这组样本的结果和理论值/另一组数据之间有显著差异吗？”
那么你就是在思考一个典型的假设检验问题。而T检验（t-test）就是帮助你回答这个问题的利器！

今天就带你搞懂：

  • T检验到底是什么？

  • 什么时候用T检验？

  • 如何一步步做T检验？

  • 上面那张“t分布临界值表”怎么用？

 

🧠 一句话定义T检验

T检验是一种用于比较两个平均值差异是否显著的统计方法，尤其适用于样本量较小（n<30）的情况。

它的本质是——通过“样本的平均值”来推测“总体的平均值”，看这个差异是不是偶然的。

✅ 什么时候用T检验？

主要有三种情况：

类型 比较的对象 例子
单样本T检验 比较样本平均值 vs. 已知总体平均值 某工厂电池寿命是否真的达到标称的100小时？
成对样本T检验 同一组对象前后对比（有配对关系） 学生参加训练前后成绩是否显著提高？
独立样本T检验 比较两个独立样本平均值（无配对关系） 男生和女生的数学成绩是否有显著差异？

 

 

✍️ 举个例子：单样本T检验

问题情境：

你是一位质量工程师，想验证你们工厂生产的电池是否真能达到“平均寿命100小时”。

你随机抽查了10个电池，寿命分别为：

[96, 101, 98, 100, 103, 97, 99, 100, 102, 98]

你想知道：这组数据是否和“100小时”这个标准有显著差异？

🔢 步骤一：设定假设

  • 零假设 H₀：μ = 100（电池寿命等于标准）

  • 备择假设 H₁：μ ≠ 100（电池寿命不同于标准）

 

🔍 步骤二：计算T值

先算一些必要的统计量：

样本平均值 x̄ = 99.4
样本标准差 s ≈ 2.01
样本数量 n = 10

t = -0.94

 

 

📊 步骤三：查表！

我们看一下临界值表：

  • 自由度 v = n - 1 = 9

  • 显著性水平（双尾）设为 α = 0.05，对应每尾 0.025

  • 查表得：t₀.025 (df=9) ≈ 2.262

临界值
左边界 -2.262
右边界 +2.262

你的计算值 t = -0.94 落在这个区间内，因此：

✅ 不能拒绝原假设。换句话说：你没有足够证据说这批电池的寿命和100小时有显著差异。

📌 表格怎么用？

我们再用一次刚才那张表：

查找步骤：

  1. 先确定你的 自由度（n – 1），例子中是 9

  2. 找你设定的 α 值（显著性水平），例如双尾 α = 0.05 → 查 0.025（每边一半）

  3. 找出对应的 t 临界值（在表中就是 2.262）

  4. 把你的 t 计算值和这个临界值比较，判断是否落在拒绝域之外

 

 

🔁 独立样本T检验例子（快速过）

两组学生成绩如下：

  • A组：[82, 85, 88, 90, 86]

  • B组：[78, 80, 79, 81, 77]

是否有显著差异？步骤一样：

  1. 分别求出两个组的均值和标准差

  2. 用公式计算 t 值（用独立样本公式）

  3. 自由度是 n₁ + n₂ - 2 = 8 ，查表

  4. 判断你的 t 值是否超过临界值

 

🤔 总结一下

步骤 要做的事
1 定义假设（H₀ / H₁）
2 选显著性水平α（通常选0.05）
3 计算T值
4 查表得临界值
5 比较T值与临界值，判断是否显著

 

💡 小Tips

  • 表格中的数字随着自由度增加会变小。自由度越大，t 分布越接近正态分布。

  • T 检验适用于样本小、总体标准差未知的情况。如果你样本很多、知道总体标准差，那就该用Z检验了。