理解t检验、t值与自由度

今天写“t检验”。这个大家也都是很熟悉的。用的也相当多，两组均值比较用t检验，背的基本滚瓜烂熟。还是写一写，看看有没有些新的启发。

先看一个特别简单的场景。假设你是一家制药公司的研究员，你们研发了一款新药，声称可以降低血压。现在，你想知道这个药到底有没有效果。

你知道，正常人的平均血压是120。你做了一个实验：找了一组志愿者，让他们服用这个新药一段时间，然后测量他们的血压。

结果发现，这组志愿者的平均血压是115。

好，现在问题来了：你能直接下结论说，“新药有效，因为它让平均血压降到了115”吗？

当然不能。

为什么？因为即使是随机找一群没有吃药的人，他们的平均血压也不可能正好是120。你可能找到的这群人，本身就比较健康，平均血压就是115。换句话说，我们看到的这个“115”的平均值，到底是新药带来的真实效果，还是随机的巧合呢？

我们现在想做的，就是去区分这两种可能性。回一下奥好多的统计方法都在干这个事情奥，比如方差分析。

从Z检验到T检验

如果，我们特别“有钱”，可以对全世界所有人的血压数据都进行普查，我们就能知道全世界所有人的血压标准差（Standard Deviation）是多少。有了这个“黄金标准”，我们就可