T检验，又称student t检验（Student's t test），主要用于样本含量较小（例如n<30），总体标准差σ未知的正态分布资料。它是用于小样本（样本容量小于30）的两个平均值差异程度的检验方法。T检验基于T分布理论，用来推断差异发生的概率，从而判断两个平均数的差异是否显著。T检验最早由戈斯特为了观测酿酒质量而发明。戈斯特在位于都柏林的健力士酿酒厂担任统计学家，利用了Claude Guinness引进从牛津大学和剑桥大学出来的优秀毕业生，将生物化学及统计学应用到健力士工业程序的创新政策。1908年，戈斯特在Biometrika上公布了T检验，但因老板认为其为商业机密而使用笔名（学生）。实际上，戈斯特的真实身份不仅对其他统计学家保密，连其老板也不知情。

T检验的适用条件包括正态分布资料。单个样本的T检验目的是比较样本均数所代表的未知总体均数μ和已知总体均数μ0。其计算公式为t统计量，自由度v=n-1。适用条件包括已知一个总体均数，可得到一个样本均数及该样本标准误，样本来自正态或近似正态总体。例如，有35名难产儿出生体重的样本，均值=3.42，标准差=0.40，一般婴儿出生体重μ0=3.30（大规模调查获得），问两者的出生体重是否相同？步骤如下：1. 建立假设、确定检验水准α，H0：μ = μ0，H1：（备择假设），双侧检验，检验水准:α=0.05。2. 计算检验统计量，v=n-1=35-1=34。3. 查相应界值表，确定P值，下结论。查附表1，t0.05 / 2.34 = 2.032，t0.05，按α=0.05水准，不拒绝H0，两者的差别无统计学意义。

T检验在统计学中占有重要地位，它能够帮助研究者判断样本均数间的差异是否具有统计学意义。通过合理运用T检验，研究者可以更好地理解数据背后的统计学意义。

通过T检验，研究者可以进一步了解样本间的差异是否具有实际意义，从而为后续研究提供有力的数据支持。

总之，T检验是一种重要的统计学工具，它可以帮助研究者判断样本均数间的差异是否具有统计学意义，从而为科学研究提供有力的数据支持。