从字面上来理解就是不同的样本是否与某一理论存在差异，对于这样的检验，可使用的方式比较多，举例来说：

案例

研究两个不同厂家生产的机器使用寿命是否存在显著的差异。

数据

不同厂家的机器使用寿命

分析及结果

H0：两不同厂家的机器使用寿命是一样的；

H1：两不同厂家机器的使用寿命是不一样的。

执行analyze/nonparametric tests/2independent samples，将各类型检验结果都进行选择，得到下列各图结果。

曼-惠特尼U检验

曼-惠特尼U检验主要用于判断两个独立样本所属的总体均值是否有相同的地方。

结果显示，U=0.000，W=6.000，Z=-1.993，同时，相伴概率为0.046，小于0.05，所以认为两生产厂家的机器的使用寿命是有显著性差异，拒绝原假设，接受对立假设。

再来看另一种检验结果：

极端反应检验结果

极端反应检验结果是检验两个独立样本之间观察值的散布范围是否存在差异，以检验两个样本是否来自具有同一分布的总体。

数据表明：极端反应假设的检验结果中相伴概率为0.000，也就是说不同厂家的机器使用寿命是存在差异的，拒绝原假设，接受对立假设。

再来看另一种检验结果：

两独立样本的K-S检验

两独立样本的K-S检验，重在推测两个样本是否来自于具有相同分布的总体。

结果表明：相伴概率为0.100，是大于显著性水平的，也就是预测两个厂家的机器使用寿命是没有显著性差异的，接受原假设，拒绝对立假设。

再来看最后一组结果：

两独立样本游程检验结果

两独立样本的游程检验考察两个独立样本是否来自具有相同分布的总体。

数据表明：相伴概率为0.100，大于显著性水平，认为两个厂家机器的使用寿命总体是没有显著性差异的。接受原假设，拒绝对立假设。

---

本编学习内容数据和案例均来自于清华大学出版社·倪雪梅·《精通spss统计分析》