单样本 t 检验将单列数字的均值与您提供的假设均值进行比较。

P 值回答了这个问题：

如果数据是从均值等于您输入的假设值的高斯群体中随机抽样的，那么随机抽取 N 个数据点，发现均值与这里观察到的假设值相差（或更远）的概率是多少？

如果P 值很大，那么数据并不能让你得出结论说群体均值与你输入的假设值不同。这并不等于说真实均值等于假设值。你只是没有证据证明两者之间存在差异。

如果P 值很小（通常定义为小于0.05），那么您观察到的样本平均数与假设平均数之间的差异不太可能是随机抽样产生的巧合。您可以否定这种差异是巧合的观点，而得出结论：总体的平均值与您输入的假设值不同。这种差异在统计学上是显著的。但这种差异在科学上重要吗？置信区间可以帮助您做出判断。

Prism 还会报告实际平均值与假设平均值之间差异的 95% 置信区间。您可以 95% 地确定该区间包含真实的差异。

假设

单样本 t 检验假定您从服从高斯分布的群体中抽取数据。虽然对于大样本量来说，这个假设并不太重要，但对于小样本量，尤其是当 N 小于 10 时，这个假设就很重要了。如果您的数据不是来自高斯分布，您有三种选择。最好的选择是对数值进行转换，使其分布更加高斯分布，也许可以将所有数值转换为它们的倒数或对数。另一个选择是使用 Wilcoxon 符号秩非参数检验代替 t 检验。最后一种选择是使用 t 检验，因为 t 检验对偏离高斯分布的大样本相当稳健。

独立样本 t 检验也假定 "误差 "是独立的。误差 "一词指的是每个值与组平均值之间的差。只有当散布是随机的--导致一个值过高或过低的任何因素只影响这一个值时，t 检验值的结果才有意义。Prism 无法检验这一假设。

单样本 t 检验的工作原理

Prism 通过用实际平均值和假设平均值之间的差除以平均值的标准误差来计算 t 比率。

根据 t 比值和自由度（等于样本量减 1）计算 P 值。