1樓：yayiyo
t分布是「student t"在研究」小樣本「的過程中發現的：無論總體分布如何，在其中取小樣本，得到的平均值和標準差的比值的分布服從t分布。因此，t檢驗可以用於檢驗乙個小樣本是否來自於某個大樣本。
t分布的意義在於，它在紛繁複雜的分布之中，找到了乙個共性，使得工作可以唯一話，流程化。
方差檢驗，起源於費歇爾研究各種因素對莊稼收成的影響這一課題，隨機分組實驗，使某因素變動，需要比較對應的各組莊稼收成是否有差異。
至少歷史淵源上，感覺不到有什麼理論上的聯絡。
2樓：XY工作與能力發展
相同點：
1.原理：
方差和t 測試都是
：自變數（IV）不同產生的差異/（除以）隨機因素產生的差異(error) ，來檢驗這個因為IV不同產生的差異是否足夠大到，可以結論說這個自變數(IV)對因變數(DV)有顯著影響。
2.檢驗顯著性
儘管方差用F測試，t 檢驗用t 測試，其實它們是一回事，因為t測試結果的平方就是F測試。
不同點：
1.適用不同：
T檢驗：兩組間比較
方差：兩組以上的比較
有人會問，既然兩個測試的原理類似，為什麼要有方差分析呢，用t 檢驗不就可以了?
這是因為t 檢驗的顯著性測試是有Type 1誤差的，如果要比較三組資料，就要進行兩次的t檢驗，這就增加誤差，而方差可以同時檢驗兩組以上的資料，這樣就減少了Type 1 誤差。
2.測試方法區別：方差（最基礎的單組間變數）公式簡化：求和（每組均值-總均值）/求和（每個值-組內均值）
T 檢驗：組1均值-組2均值)/ 方差
由此可見，方差可以同時多組比較，減小誤差。
3樓：阿碧姐姐
其實我真不是統計大牛。具體概念參考維基百科，或任何一本統計書
個人感覺t檢驗只能比較兩組資料的差異，方差檢驗跟線性回歸本質差不多，可以同時看多個因子對因變數的影響是否顯著，還可以看因子間相互作用，而且每個因子可以允許有多個水平的值，可應用性遠遠超過t檢驗
方差分析為何要進行方差齊次檢驗？
Astrud 因為我們希望我們的實驗處理只是改變總體的均值 即接受實驗處理後，總體中的每乙個個體改變相同的量 而不是是總體的方差。試想，當每乙個個體接受相同的實驗處理後，卻產生了不同的變化量 即總體的方差發生了改變，不滿足方差齊性假設 那麼就很有可能表明，還有其他因素在干擾作著實驗，這樣得出來的結果...
做了多因素方差分析和獨立樣本檢驗結果是可以的。但是資料都不是服從正態分佈。那是不是要重新做啊 ？
簡併 首先看殘差 資料減去均值 是否近似正態。如果是，就可以直接分析。注意方差分析不需要原資料正態，需要殘差近似正態。其次，方差分析對正態的要求不高。直方圖上中度偏離正態都可接受。或正態概率圖上主觀判斷，大略成一條粗的直線即可。再次，可以進行資料變換。看有無方差不齊 非正態常常與方差不齊有關聯 如有...
統計學的T檢驗 F檢驗 和T分布 F分布是乙個概念嗎，怎麼理解呢？
用來觀學術 師者，傳道受業解惑也，而知乎的存在可以將老師集合在一塊，伸手族是啥，是學生嗎，看的書從書中獲取知識也是伸手族，伸手族就算有定義，也不是這樣的定義，講廢話的存在 簡單來說，T檢驗或F檢驗，就是做一次實驗，這次試驗的結果應該落在T分布或F分布的主要區間內。如果落在邊緣，那麼這種可能性應該很小...