根据实验设计选择Python中的单样本、独立样本或配对t检验

图1：Python中实验设计类型与scipy.stats核心t检验函数映射拓扑

一、为什么必须由实验设计决定t检验类型

很多初学者在拿到两列或多列数据时，容易直接调用 scipy.stats.ttest_ind，忽视了数据的产生机制。t检验本质上检验的是均值差异在抽样误差背景下的统计学显著性。每一种t检验计算自由度（Degrees of Freedom）以及组间/组内方差估计的方式完全不同：

• 自由度与方差分配机制不同：如果对自身前后测的数据错误使用独立双样本t检验，模型会认为两个组别来自2n个独立个体，导致自由度被错误虚增为2n-2，同时无法剔除受试者本身的固有体质差异，导致检验效能（Power）严重降低。
• 观测独立性假设的破坏：若对完全独立的随机分组（例如A组与B组患者）误用配对t检验，算法会强行将第一行的A组个体与第一行的B组个体绑定，这种人为虚构的相关性会使得标准误失真，导致I类错误率急剧上升。
• Python函数的底层参数差异：例如 ttest_ind 默认执行学生氏t检验（假定方差齐性），若实际方差非齐性则需明确显式配置 equal_var=False（即Welch's t检验）。

二、三种t检验的实验设计特征与适用场景

实验设计决定了数据的结构。在动手写Python代码前，应根据以下特征明确研究分类：

1. 单样本t检验（One-Sample t-Test）

实验特征：仅采集一组连续变量的样本数据，实验目的并非对比两个组别，而是检验该样本均值是否在统计学上偏离一个已知的特定参考值、理论阈值或历史常数（$\mu_0$）。

典型工业与科研场景：

• 机械加工中，检测一批次零件的直径是否精确维持在标称规格 50.0 mm。
• 环境检测中，测量某河流下游20个采样点的溶解氧均值是否符合国家标准下限 6.5 mg/L。
• 算法优化中，测试新算法在30个基准测试集上的响应耗时是否显著低于既有旧系统承诺的 120 ms。

2. 独立样本t检验（Independent Two-Sample t-Test）

实验特征：数据包含两个独立的实验组，两组中的受试单元完全没有交集，满足相互独立假设。两组样本量可以相等（$n_1 = n_2$），也可以不等（$n_1 eq n_2$）。

典型工业与科研场景：

• A/B测试：将访客随机且无重复地分流给界面A（对照组）与界面B（实验组），对比两组的停留时长均值。
• 临床药物试验：两批病情相当的不同受试者，一组服用新药，另一组服用安慰剂，对比4周后的生理指标差异。
• 农业育种：随机选择两块不同地块分别种植品种甲和品种乙，对比收获期的单株产量。

3. 配对样本t检验（Paired Samples t-Test）

实验特征：数据由成对的观测值组成。两列数据必须具有完全相同的大小（即样本对数均为n），并且每一行的两笔数据之间存在生物学、时间序列或几何上的强绑定关系。最常见的是同一受试对象的“前测 - 后测”（Pre-Post）或孪生/属性严格匹配对。

典型工业与科研场景：

• 同一批员工在参加专业培训前、后的业务技能考核得分对比。
• 同一批高血压患者服用降压药前2小时与服药后2小时的收缩压数值对比。
• 汽车同一轴线左右两只轮胎在经历相同里程测试后的磨损深度测量（左右轮自然配对）。

图2：三种t检验的数据组织结构、自由度分配与底层数学机理对比

三、实验设计决策步骤与选择流程

在面对未知实验数据时，按照以下决策流程逐步确认。下图清晰展示了从原始实验设计走向对应Python代码分支的具体判定节点：

图3：实验设计场景判定及统计假设检验工程分支流程图

四、Python代码实现与检验执行流水线

进行t检验通常包含三个标准步骤：数据完整性校验 → 前提假设检验（正态性与齐性） → 执行对应t检验函数并解析结果。下图给出了在Python中组织该统计计算流水线的标准工程架构：

图4：Python数据输入、前提假设校验、核心计算与结果派发统计工程流水线

完整Python实战代码演示

以下代码提供在单样本、独立样本和配对实验设计下的完整实现范例，包括环境依赖、数据构造、前提检查与t检验执行：

# 执行环境: Python 3.8+, 需安装 numpy 与 scipy
# 执行位置: 本地脚本或 Jupyter Notebook 均可
import numpy as np
from scipy import stats

# ===============================================================
# 场景 1: 单样本 t 检验 (One-Sample t-Test)
# 实验设计: 检查某车间生产的轴承内径是否符合标准规格 50.00 mm
# ===============================================================
diameters = np.array([50.02, 50.05, 49.98, 50.01, 50.04, 
                      50.03, 49.97, 50.06, 50.02, 50.01])
target_mean = 50.00

# 正态性校验 (小样本采用 Shapiro-Wilk 检验)
shapiro_p = stats.shapiro(diameters).pvalue
if shapiro_p > 0.05:
    res_1samp = stats.ttest_1samp(diameters, popmean=target_mean)
    print(f"[单样本] t统计量: {res_1samp.statistic:.4f}, p值: {res_1samp.pvalue:.4f}")

# ===============================================================
# 场景 2: 两独立样本 t 检验 (Independent Samples t-Test)
# 实验设计: 网页A/B测试，随机分流两组独立用户，对比页面停留时长(秒)
# ===============================================================
group_A = np.array([45.2, 52.1, 48.9, 60.3, 55.8, 49.0, 51.2])
group_B = np.array([58.4, 64.2, 59.8, 72.1, 61.5, 63.0])

# 独立样本必须进行方差齐性检查 (Levene 检验)
levene_stat, levene_p = stats.levene(group_A, group_B)
is_equal_var = levene_p > 0.05

# 若方差不齐(p <= 0.05)，设置 equal_var=False 启动 Welch's t-test
res_ind = stats.ttest_ind(group_A, group_B, equal_var=is_equal_var)
print(f"[独立样本] 方差齐性p值: {levene_p:.4f}, equal_var={is_equal_var}")
print(f"[独立样本] t统计量: {res_ind.statistic:.4f}, p值: {res_ind.pvalue:.4f}")

# ===============================================================
# 场景 3: 配对样本 t 检验 (Paired Samples t-Test)
# 实验设计: 8位学员参加专业冲刺训练前后的编程测验得分(百分制)
# ===============================================================
scores_pre  = np.array([65, 72, 58, 80, 69, 74, 61, 70])
scores_post = np.array([78, 85, 70, 88, 76, 83, 72, 81])

# 校验差值的正态性
diff = scores_post - scores_pre
diff_shapiro_p = stats.shapiro(diff).pvalue

if diff_shapiro_p > 0.05:
    res_rel = stats.ttest_rel(scores_pre, scores_post)
    print(f"[配对样本] t统计量: {res_rel.statistic:.4f}, p值: {res_rel.pvalue:.4f}")

五、极易混淆的实验设计陷阱与排查清单

在实际业务中，许多统计错误并非源于Python语法，而是由于混淆了实验设计的本质。以下是最常见的两个认知陷阱：

陷阱 1：把“前后测重复测量”当作“独立样本”

错误表现：追踪了50名用户使用新功能前和使用新功能后的活跃度，直接将两列数据传入 stats.ttest_ind(pre, post)。

危害与后果：由于同一名用户在“前测”和“后测”中保持着个体特质（比如重度用户前后活跃度都很高，轻度用户前后都较低），这种用户固有的个体间变异（Between-Subject Variance）会被错误地计入独立样本的误差项中，导致分母上的标准误（Standard Error）被大幅放大，使得本应显著的实验效果变得“不显著”（严重丧失统计检验力）。正确的做法是使用 stats.ttest_rel，通过差值计算直接对消掉每个个体固有的基线差异。

陷阱 2：把“匹配配对设计”强行拆成“独立样本”

错误表现：在生物医药或心理学研究中，研究者采用“配对分流”（按年龄、性别、基线指标1:1严格匹配），但分析时却使用了独立样本t检验。

纠正规则：只要实验设计阶段存在人工配对或自然绑定的对应关系，必须严格按照配对对数提取差值序列进行配对t检验。

图5：实验设计特征、自由度、Python对应函数与非参数备选全景矩阵

六、总结与快速决策清单

准确选择t检验并不依赖复杂的记忆，只需在动手编写代码前向自己确认以下三个核心问题：

1. 比较的靶标是什么？如果只有一组样本，需要和已知的理论标准值对比，立即选用 scipy.stats.ttest_1samp。
2. 两组数据是否有联系？如果数据来自完全独立随机分组的不同受试对象，选用 scipy.stats.ttest_ind，并配合 scipy.stats.levene 检查方差齐性（若方差不齐务必设置 equal_var=False）；如果是同一个体的前后测或严格匹配对，则选用 scipy.stats.ttest_rel。
3. 数据是否满足前提？在小样本下运行 scipy.stats.shapiro，一旦严重偏态或出现极值，及时降级为对应的 Wilcoxon 或 Mann-Whitney U 等非参数检验方法。