假设检验计算器（z 与 t）

只要标准差来自你正在检验的那份样本，就用 t 检验——几乎总是如此。只有当标准差确实是事先就对整个总体已知的，来自同一测量的长期历史而不是这批观测时，才用 z。

样本小的时候这件事最要紧。同样是 2,10 的统计量、同样是双侧检验，五个观测时 t 给出 0,1037，正态给出 0,0357：一个在 5% 上称之为发现，另一个不称。大约二十个观测以后两者才一致，即使到了一百个，它们仍在小数点后第三位有出入。

它是说：在一个「参考值就是真实平均值」的世界里，仅靠偶然出现至少和你一样大的差异会有多频繁。仅此而已。

它不是「参考值为真」的概率，也不是「你的结果是碰巧」的概率。这两种读法都很常见，而且都是错的，因为计算一开始就假定参考值为真，所以它永远无法告诉你这个假定本身有多可能。

因为检验量的是你测得多好，而不是差异有多大。标准误差随观测数的平方根缩小，所以样本每变大一次，同样的差异就产生更大的统计量。

四分之一个标准差的差异，在十个观测时给出 0,4495，六十个时 0,0576，一百个时 0,0141，两百个时 0,0005。这个差异一次也没变过。这就是为什么本页把用标准差数出来的差异大小放在答案旁边。

会，而且在大样本里时常发生。显著的意思是这个差异难以用偶然来解释，而不是它大到值得据此行动。

一种把血压降低百分之一个点的药，只要在足够多的人身上试，就会是显著的，而且怎么说都没用。先读差异的大小，再读 p 值。

5% 是多数领域的惯例，但那是惯例而不是法律，而且应该在看到数据之前就选好，而不是之后。

当误报代价高时就把它调低，比如一个很难撤回的决定。当漏掉真实效应才是更糟的错误时就把它调高，比如一道便宜的初筛，后面还会再查一遍。

它把全部容差都放到一边，所以在你指定的方向上宣布有差异所需的证据更少，而在相反方向上则完全不做宣布。

只有当你在看之前就把方向定下来，这才成立。因为平均值恰好偏高就只往高的一边检验，是把抛硬币变成发现的最老办法，而且会把你以为自己承担的误报率翻一倍。