T检验，主要是针对样本数小于30例的统计分析，适用条件：正态分布，方差齐，独立性。
校正T检验，方差不齐时，使用校正t检验，其他适用条件与t检验相同。
U检验，就是Z检验，主要针对大样本（一般是指大于30例的样本）进行统计分析，适用于正态分布的总体，方差齐，独立性。如果样本大于30例时，也可以用T检验代替Z检验，这时两种检验方法的分析结果差异不大。
在最初接触统计分析时，大家最先了解的应该就是Z检验。比如α=0.05时的双尾检验Zα/2 = 1.96；当α=0.01时的双尾检验，Zα/2 = 2.58。Z检验是T检验的特殊形式，即当样本量n无穷大时，T检验和Z检验结果是一样的。但是现在基本上都是在使用软件进行分析，很少再去查表进行检验分析，因而对于正态分布，方差齐的两组样本，现在基本上都采用t检验进行分析。
熟悉又陌生的t值表
非参数检验，当样本不符合正态分布时，毫无疑问，采用非参数检验进行两组数据的差异分析。
再聊一下假设检验：传统的统计学检验，是通过假设检验来实现的。进行假设检验之前，需要明确一个“小概率事件”的概念：在统计学中，评估一个事件是否发生，往往采用概率（P）来表示，在一次实验或抽样过程中，容易发生的一般都是大概率事件，小概率事件发生的频率低，如果只进行了一次实验，可认为小概率事件不会发生。
在这个“小概率事件”的基础上，引申出“小概率反证法”，即：对一个小概率事件，其对立面发生的可能性显然要高于该小概率事件，故小概率事件在一次实验中不会发生。因而在统计分析时，可以假定待考察事件是成立的（H0），基于此进行推导运算，首先得到的是检验统计量t值，然后根据查表或者统计软件，得到当前事件发生的概率P。如果P值小于我们预先设定的检验水准（α），则表明小概率事件居然发生，违反了我们之前的假设，利用反证法拒绝原假设H0，否则不拒绝原假设。
在一次实验过程中小概率事件可能不会发生，但是在无限多次独立的实验中，小概率事件也一定会发生，这是就会使统计分析得到错误结果，其中有两类错误：1，弃真错误；2，取伪错误。弃真错误：将实际正确的结论抛弃，检验学上又称之为漏检（假阴性），把有病的患者诊断为正常，对应我们的检验水准a值。取伪错误：将实际错误的结论采纳，检验学上又称之为误判（假阳性），把正常的人诊断为患病，用β值表示，也称为检验效能，在样本量估计中有提到这两者的概念。
之前的课程讲述的均是如何利用统计软件进行统计分析的操作。在接下来的一段时间，会不定期推送统计学中一些容易混淆的概念和方法。
转自“医学统计园”微信公众号，欢迎扫描二维码关注
网友评论