均值不相等的两个样本不一定来自均值不同的总体。能否用样本均数估计总体均数，两个变量均值接近的样本是否来自均值相同的总体？换句话说，两个样本中某变量均值不同，其差异是否具有统计意义，能否说明总体差异？这就要进行均值比较。比较的结果怎么样呢？检验！
方法
1、T-test过程
（1）单一样本T检验
检验单个变量的均值是否与给定的常数之间存在差异。例如，干脆面面饼的标准重量为50克，可以看做总体均数。从生产线上任意抽出100个面饼，研究其平均重量与标准重量之间的差异性是否显著的问题就属于单一样本T检验。
（2）两个独立样本的T检验
两个独立样本T检验用于检验两个不相关的样本来自具有相同均值的总体。例如，想知道购买某产品的顾客与不购买该产品的顾客平均收入是否相同，可以使用对两个独立样本T检验。一定是两个不相关组的观测量。
（3）配对样本T检验
配对样本T检验用于检验两个相关的样本是否来自具有相同均值的总体。这种相关的或配对的样本常常为实验前后的对象均被观测。配对分析对象不是必须来自同一个观测对象。例如比较两组学生培训前后的平均成绩的差异。
2，One-Way- ANONA 过程
一元方差分析用于检验几个（三个或三个以上）独立的样本组，是否来自均值相同的总体。例如，可以检验三个减肥训练计划，体重下降的效果（均值）是否相同。同时想看看哪一种训练计划效果最好，或者三个训练计划彼此之间哪两个差异性最显著，此时应使用One-Way- ANONA 过程。
单一样本t检验是检验一个样本平均数与一个已知的总体平均数的差异是否显著。当总体分布是正态分布，如总体标准差未知，那么样本平均数与总体平均数的离差统计量呈t分布。
t为样本平均数与总体平均数的离差统计量，为样本平均数，
为总体平均数，
为样本标准差，n为样本容量。
检验步骤：
1.建立假设、确定检验水准（置信区间0.95）；
（零假设，null hypothesis）；
（备择假设, alternative hypothesis）；
注：双侧检验（单双侧检验是看你的统计指标的属性，如果该指标只有上限或只有下限，则用单侧检验，如果它的范围在一个区间内，则用双侧检验）。
2，计算检验统计量t（上述公式）；
3，查相应界值表，确定P（Sig.）值；
P（Sig.）值大于0.05。接受H0，两者的差别无统计学意义；
P（Sig.）值小于0.05。拒绝H0，两者的差别有统计学意义。
双总体t检验是检验两个样本平均数与其各自所代表的总体的差异是否显著。双总体t检验又分为两种情况：一是两个独立样本t检验（非配对样本t检验），一是配对样本t检验。
1，两个独立样本t检验前提是两个样本相互独立（两组样本容量可以不同。），并且样本来自的两个总体服从正态分布。两个总体均数差异的t检验又分为两总体方差相等（方差齐性）和方差不相等两种检验。
首先进行方差齐性检验（判断两总体的方差是否具有显著性差异），也就是F检验。
1）方差公式
2）计算F值
3）查表判断
查表 F(n-1，m-1)，若 F >= F(n-1，m-1)，（n未样本x容量，m为样本y容量，查表时候，行是n-1，列是m-1）。表明两总体方差存在显著性差异。反之，两总体方差不存在显著性差异。或者看P值，通常P<0.05表明两总体方差存在显著性差异。
下面开始两样本独立t检验：
（1）两总体方差未知且相同情况下，T统计量计算公式为
其中，
这里T统计量服从个自由度的T分布。
（2）两总体方差未知且不同情况下，T统计量计算公式为
T统计仍然服从T分布，但自由度采用修正后的自由度，公式为：
具体在做T检验时候，是软件来完成，例如SPSS,所以一些公式不需要记住，只须熟知理论方法即可。比较是否有统计学上的差异仍然看P值。
2，两配对样本T检验是根据样本数据对样本（容量相同，观察顺序不可随意改变）来自的两配对总体的均值是否有显著性差异进行推断。一般用于同一研究对象（或两配对对象）分别给予两种不同处理的效果比较，以及同一研究对象（或两配对对象）处理前后的效果比较。前者推断两种效果有无差别，后者推断某种处理是否有效。
1），计算公式（与单样本T检验相同）
其中，为配对样本差值序列的平均差（不能随意更改顺序的理由）。以下的步骤就是查表，比较，看P值，不再赘述。
