显著性检验最常见的有t检验法和什么法,什么情况用T检验，什么情况用F检验？

网友回答

计算出统计量的值，这个统计量的选取要使得在假设H0成立时，作出拒绝或接受假设H0的判断、t检验法。抄常用的假设检验方法有u—检验法；由实测的样本假设检验(Hypothesis Testing)是数理统计学中根据一定假设条件由样本推断总体的一种方法，秩和检验等。具体作法是，其分布为已知、χ2检验法(卡方检验)，记作H0：根据问题的需要对所研究的zd总体作某种假设，并根据预先给定的显著性水平进行检验；选取合适的统计量、F—检验法

网友回答

通常的F检验例子包括：
　　1、假设一系列服从正态分布的母体，都有相同的标准差。这是最典型的F检验，该检验在方差分析（ANOVA）中也非常重要。
　　2、假设一个回归模型很好地符合其数据集要求。
　　通常的t检验：
　　(1) 已知一个总体均数；
　　(2) 可得到一个样本均数及该样本标准差；
　　(3) 样本来自正态或近似正态总体
　　t检验的前提是方差齐，只有方差齐了，t检验的结果才反应两组数据的是否有差异，否则如果方差不齐的话，会把组内的差异也考虑进去，所以判定的概率就更宽松。
　　而F检验其实就是看组间差异和组内差异的比较，所以本质上和t检验方差齐的概念相似。但是实际上在方差不齐的时候是无法进行t检验的，结果不具有统计学意义。
　　t检验一般适用于两组，所以在多维的情况下，不适用t检验，而F检验可以判定多组、一组多变量和多组间有交互（单因素、协方差、双因素无重复、双因素有重复等），然后在通过两两比较进行分析，用duncan和tukey等方法去判定，F检验的范围要大的多。
　　扩展资料
　　T检验和F检验的由来：
　　一般而言，为了确定从样本（sample）统计结果推论至总体时所犯错的概率，我们会利用统计学家所开发的一些统计方法，进行统计检定。
　　通过把所得到的统计检定值，与统计学家建立了一些随机变量的概率分布（probability distribution）进行比较，我们可以知道在多少%的机会下会得到目前的结果。
　　倘若经比较后发现，出现这结果的机率很少，亦即是说，是在机会很少、很罕有的情况下才出现；那我们便可以有信心的说，这不是巧合，是具有统计学上的意义的（用统计学的话讲，就是能够拒绝虚无假设null hypothesis,Ho）。
　　相反，若比较后发现，出现的e69da5e6ba90e799bee5baa6e79fa5e9819331333431363061机率很高，并不罕见；那我们便不能很有信心的直指这不是巧合，也许是巧合，也许不是，但我们没能确定。
　　F值和t值就是这些统计检定值，与它们相对应的概率分布，就是F分布和t分布。统计显著性（sig）就是出现目前样本这结果的机率。
　　参考资料来源：百度百科-t检验
　　参考资料来源：百度百科-F检验