原文链接：这里
0.前言
首先，T检验和F检验都是可以认为是根据样本推全局，换句话说，都是根据个体信息的特质推全局信息的特征。T检验是基于均值的，F检验是基于方差的。
1.T检验
(1)T检验的主要目的是: 通过比较不同数据的均值，研究两组数据是否存在差异。
(2)主要使用场景是：
同一对象处理前后的对比(假设都采用A方法前后的数据差别)
同一对象采用不同方法处理结果的对比( 一个采用A方法，一个采用B方法后的数据差别)
2.F检验
F检验（F-test），最常用的别名叫做联合假设检验（英语：joint hypotheses test），此外也称方差比率检验、方差齐性检验。它是一种在零假设（null hypothesis, H0）之下，统计值服从F分布的检验。其通常是用来分析用了超过一个参数的统计模型，以判断该模型中的全部或一部分参数是否适合用来估计全体。
主要作用是：
方差齐性检验
方差分析
线性回归方程整体的显著性检验
3.P值
P值是用来判断假设检验结果的一个参考 。 就是当原假设为真时所得到的样本观察结果或 更极端结果出现的概率。如果P值很小，说明原假设情况的发生的概率很小，而如果出现了，根据小概率原理，我们就有理由拒绝原假设，P值越小，我们拒绝原假设的理由越充分。总之，P值越小，表明结果越显著。但是检验的结果究竟是“显著的”、“中度显著的”还是“高度显著的”需要我们自己根据P值的大小和实际问题来解决。
其次，P值是指在一个概率模型中，是检验零假设成立或表现更严重的可能性。P值若与选定显著性水平(0.05)相比更小。则零假设会被否定而不被接受。
P值是一个服从正态分布的随机变量。
p值的结果具有统计学意义，能够一定程度上代表总体的值。P值的结果是可信程度的一个递减指标。换言之，P值越小，越可靠（样本中变量关联）p值是将观察结果认为有效即具有总体代表性的犯错概率。如p=0.05提示样本中变量关联有5%的可能是由于偶然性造成的。
4.自由度
自由度(degree of freedom, df)指的是计算某一统计量时，取值不受限制的变量个数。通常df=n-k。其中n为样本数量，k为被限制的条件数或变量个数，或计算某一统计量时用到其它独立统计量的个数。
标签：变量,结果,自由度,假设,样本,检验,值越 来源： https://www.cnblogs.com/longkui-site/p/15858151.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。