想和我一起交流沟通，获取更多内容欢迎关注微信公众号：生信real
前言：
参数检验是推断统计的重要组成部分，常常采用抽样研究的方法，从总体中随机抽取一定数量的样本进行研究，并以此推断总体。当总体分布已知的情况下，利用样本数据对总体包含的参数进行推断的问题就是参数检验问题，参数检验不仅能够对一个总体的参数进行推断，还能比较两个或多个总体的参数。在参数检验这章主要介绍平均值检验、单样本t检验、两独立样本t检验和配对样本t检验。
在正式介绍本章内容之前，我们先来了解一下关于假设检验的相关内容：
两个样本某变量的均值不同，其差异是否具有统计意义，能否说明总体之间存在的差异，这些都是研究工作中经常提出的问题，解决它们就需要进行假设检验。
1.假设检验的基本思路：首先对总体参数提出零假设，然后利用样本的数据去验证先前提出的假设是否成立。如果样本数据不能充分证明和支持零假设，则在一定的概率条件下，拒绝零假设；反之，如果样本数据不能充分否认零假设，则不能拒绝零假设。
2.假设检验基本原则：依靠统计分析推断原理，即小概率事件在一次特定的抽样中几乎不可能发生，如果发生了小概率事件，就有理由拒绝零假设。
3.假设检验的一般步骤：
①提出零假设（H0）
根据检验的目标，对需要检验的最终结果提出一个零假设。例如，需要检验一个班同学的平均身高是否等于170，即可以做出零假设，H0:h=170。
②选择检验统计量
假设检验中，总是通过计算检验统计量的概率值进行判断，这些统计量服从或近似服从已知的某种分布，常用的有t分布、F分布等。
③计算检验统计量观测值发生的概率
在认为零假设成立的前提下，计算检验统计量观测值发生的概率，记为p，概率p 值就是在零假设成立的前提下样本值发生的概率，对此可以根据一定的标准来判定其发生的概率是否是小概率。
④给定显著性水平，做出判断
P值就是当原假设为真时所得到的样本观察结果或更极端结果出现的概率。如果P值很小,说明这种情况发生的概率很小,而如果真的出现了,根据小概率原理,我们就有理由拒绝原假设。P值越小,我们拒绝原假设的理由就越充分。所以，概率p值小于0.01时，拒绝H0，差异极显著；概率p值大于0.01，小于0.05时，拒绝H0，差异显著。概率p值大于0.05时，接受H0差异不显著。
