当总体标准差未知、样本量较小，并且数据分布近似正态时，通常使用 t 统计量。它适用于单样本均值检验、成对样本均值检验、两独立样本均值比较、均值置信区间估计等场景。与 z 统计量相比，t 统计量使用样本标准差估计标准误，并通过自由度相关分布曲线给样本估计留下更合适的余量，让均值推断过程更贴合实际样本信息。
什么时候用t统计量的核心条件
- 总体标准差未知：均值推断需要用样本标准差估计总体标准差。
- 样本量较小：例如 n 小于 30，小样本场景下 t 统计量更合适。
- 数据近似正态：单样本均值检验、置信区间构造等场景要求数据大致呈正态分布。
- 目标是均值推断：包括检验均值是否等于某值、比较均值差异、构造均值区间。
t统计量常用场景清单
- 单样本 t 检验：判断样本均值与某个总体均值是否一致。
- 成对样本 t 检验：判断同一组对象在两种条件下的均值差异。
- 两独立样本 t 检验：判断两组对象均值是否存在差异。
- 均值置信区间：用样本均值和样本标准差估计总体均值区间。
什么时候用t统计量与z统计量选择表
| 场景 | 什么时候用t统计量 | 推荐统计量 |
|---|---|---|
| 总体标准差已知，数据近似正态 | 可继续用 t，也可用 z | z 统计量或 t 统计量 |
| 总体标准差未知，样本量较小 | 需要估计标准误 | t 统计量 |
| 总体标准差未知，样本量较大 | 可用 t，结果更稳健 | t 统计量 |
| 单样本均值检验 | 总体标准差未知时使用 | t 统计量 |
| 成对均值差异检验 | 每对差值近似正态时使用 | t 统计量 |
t统计量计算步骤
- 确认数据场景：判断是否围绕均值进行检验或区间估计。
- 整理样本数据：获得样本均值、样本标准差、样本量。
- 构造假设值或差值：例如总体均值 μ₀、成对差值均值、两组均值差。
- 计算标准误：单样本场景常用 SE = s / √n。
- 计算 t 统计量：单样本场景常用 t = (x̄ - μ₀) / (s / √n)。
- 查询 t 分布：根据自由度 df = n - 1，得到临界值或 p 值。
- 给出推断结果：结合显著性水平、置信区间或软件输出完成判断。
单样本t统计量示例结构
| 项目 | 含义 | 说明 |
|---|---|---|
| x̄ | 样本均值 | 从样本数据中计算得到 |
| μ₀ | 假设总体均值 | 检验目标值 |
| s | 样本标准差 | 用于估计总体标准差 |
| n | 样本量 | 影响标准误和自由度 |
| t | t 统计量 | 衡量样本均值与假设均值的标准化距离 |
公式可用：
t = (x̄ - μ₀) / (s / √n)
自由度：
df = n - 1
【常见问题】
问题1：什么时候用t统计量做单样本均值检验？
回答1：什么时候用t统计量做单样本均值检验？当你需要检验样本均值与某个总体均值是否一致，并且总体标准差未知、样本量较小、数据近似正态时，使用 t 统计量。
问题2：大样本什么时候用t统计量更合适？
回答2：大样本什么时候用t统计量更合适？当总体标准差未知、标准差需要通过样本数据估计，并且你希望使用更稳健的均值推断方法时，可以继续使用 t 统计量。
问题3：什么时候用t统计量构造均值置信区间？
回答3：什么时候用t统计量构造均值置信区间？当你用样本均值估计总体均值、总体标准差未知、样本量较小且数据近似正态时，使用 t 统计量构造均值置信区间。
免责声明：本文以统计学习场景说明为主，实际分析请以样本数据、统计软件输出和课程教材要求为准。