医学期刊中t检验的例子

t检验是比较两组数据之间的差异，有无统计学意义；t检验的前提是，两组数据来自正态分布的群体，数据的方差齐，满足独立性。

独立样本t检验（各实验处理组之间毫无相关存在，即为独立样本），该检验用于检验两组非相关样本被试所获得的数据的差异性。

独立样本t检验统计量为：

S1²和 S2²为两样本方差；n₁ 和n₂ 为两样本容量。

扩展资料：

选用的检验方法必须符合其适用条件。理论上，即使样本量很小时，也可以进行t检验。（如样本量为10，一些学者声称甚至更小的样本也行），只要每组中变量呈正态分布，两组方差不会明显不同。如上所述，可以通过观察数据的分布或进行正态性检验估计数据的正态假设。

方差齐性的假设可进行F检验，或进行更有效的Levene's检验。如果不满足这些条件，可以采用校正的t检验，或者换用非参数检验代替t检验进行两组间均值的比较。

参考资料来源：百度百科-t检验

t检验方法如下：

t分布的发现使得小样本统计推断成为可能，并且以t分布为基础的检验称为t检验。在医学统计学中，t检验是应用较多的一类假设检验方法。对于计量资料的假设检验中，t检验是最为简单、常用的方法。

单样本资料的t检验，实际上是推断该样本来自的总体均数与已知的某一总体均数μ0（常为理论值或标准值）有无差别。零假设为H0：μ=μ0。而对立假设要视问题的背景而定：双侧的对立假设为H1：μ≠μ0；单侧的对立假设可以是H1：μ>μ0或H1：μ<μ0。

t检验的统计量计算，服从自由度为v=n-1的t分布。因此，可以根据t值来计算相应的P值，进行统计推断的。事先规定一个“小”的概率α作为检验水准，如果P值小于α，就拒绝零假设，如P值不小于α，则不拒绝零假设。

在医学科学研究中的配对设计主要适用于以下情况：第一，异体配对设计，包括同源配对设计和条件相近者配对设计（两同质受试对象配成对子分别接受两种不同的处理）。第二，自身配对设计（同一受试对象分别接受两种不同处理）。

两独立样本配对t检验：

两样本t检验又称成组t检验,或两独立样本t检验，医学研究中常见用于完全随机设计两样本均数的比较，即将受试对象完全随机分配到两个不同处理组，研究者关心的是两样本均数所代表的两总体均数是否不等。

此外，在观察性研究中，独立从两个总体中进行完全随机抽样，获得的两样本均数的比较，也可采用两样本t检验。此检验基于t分布，必须假定两个总体服从正态分布，根据是否符合方差齐性。