发布时间：
卡方近似于万能吧，定量数据应用卡方会损失好多信息，本来挺准确的搞成大概了。应用范围越广的，意义也就越小
t检验中必须用t值比较。t检验可分为单总体检验和双总体检验，以及配对样本检验，单总体t检验是检验一个样本平均数与一个已知的总体平均数的差异是否显著，双总体t检验是检验两个样本平均数与其各自所代表的总体的差异是否显著。1、无论是单检验，还是双检验，都是需要用t值进行比较的。
通常的F检验例子包括：
1、假设一系列服从正态分布的母体，都有相同的标准差。这是最典型的F检验，该检验在方差分析（ANOVA）中也非常重要。
2、假设一个回归模型很好地符合其数据集要求。
通常的t检验：
(1) 已知一个总体均数；
(2) 可得到一个样本均数及该样本标准差；
(3) 样本来自正态或近似正态总体
t检验的前提是方差齐，只有方差齐了，t检验的结果才反应两组数据的是否有差异，否则如果方差不齐的话，会把组内的差异也考虑进去，所以判定的概率就更宽松。
而F检验其实就是看组间差异和组内差异的比较，所以本质上和t检验方差齐的概念相似。但是实际上在方差不齐的时候是无法进行t检验的，结果不具有统计学意义。
t检验一般适用于两组，所以在多维的情况下，不适用t检验，而F检验可以判定多组、一组多变量和多组间有交互（单因素、协方差、双因素无重复、双因素有重复等），然后在通过两两比较进行分析，用duncan和tukey等方法去判定，F检验的范围要大的多。
扩展资料
T检验和F检验的由来：
一般而言，为了确定从样本（sample）统计结果推论至总体时所犯错的概率，我们会利用统计学家所开发的一些统计方法，进行统计检定。
通过把所得到的统计检定值，与统计学家建立了一些随机变量的概率分布（probability distribution）进行比较，我们可以知道在多少%的机会下会得到目前的结果。
倘若经比较后发现，出现这结果的机率很少，亦即是说，是在机会很少、很罕有的情况下才出现；那我们便可以有信心的说，这不是巧合，是具有统计学上的意义的（用统计学的话讲，就是能够拒绝虚无假设null hypothesis,Ho）。
相反，若比较后发现，出现的机率很高，并不罕见；那我们便不能很有信心的直指这不是巧合，也许是巧合，也许不是，但我们没能确定。
F值和t值就是这些统计检定值，与它们相对应的概率分布，就是F分布和t分布。统计显著性（sig）就是出现目前样本这结果的机率。
参考资料来源：百度百科-t检验
参考资料来源：百度百科-F检验
一般情况下感冒发烧，我都会选择去看中医，因为中医它没有那么大的副作用。
我家人的同学就是老中医，一般身体上出了什么问题，感冒、咳嗽等等都会让老中医把把脉看一看的。
替你查了一下，在该杂志的介绍里没有明确说它是核心期刊。在该杂志上发了文章能否评上副高职称，主要还是看你单位的规定。单位承认这本杂志，就一定管用。下面的供你参考：《中华现代中医学杂志》简介 《中华现代中医学杂志》为中华临床医药学会主办的综合性、国际性中医学专业学术期刊，本刊为双月刊，具有ISSN/CN标准刊号，ISSN 1681-2476 CN 98-0026 /R。现已被中文生物医学期刊文献数据库（CMCC）、中文科技期刊数据库等收录。国内外读者均可在中华首席医学网()免费阅读杂志全文。本刊贯彻党和国家的中医方针政策，努力发掘、继承、发扬中医遗产，积极报道中医新成果、新动态，为中医医疗、教学和科研服务。杂志办刊方针是立足基层，面向临床，促进中华传统医学的国际化、现代化发展。本刊主要读者、作者对象为中医临床、科研、教学工作者及中医院校师生。杂志栏目设有：论著、综述与讲座、学术探讨、经典研究、实验研究、药学研究、证治集粹、中西医结合、病例讨论、临床经验、中药园地、针灸推拿、中医教学、名医经验、海外中医、经方验方、药事管理、中医骨伤、中医妇产、不孕不育、皮肤病防治、老年病防治等。凡来稿属国家、部、省、地市等科学基金资助项目和重大课题项目者;或为地厅级以上项目,获科技成果奖者(包括自然科学奖、科学进步奖、发明奖、星火奖、火炬奖等),请在首页地脚详细标明，提供项目或课题编号,并加盖公章,以便本刊优先审理。本刊欢迎以下稿件：1、 临床资料齐全、数据可靠的临床研究报告。2、 国内外知名中医的学术经验总结。3、 立论新颖、论证充分，对临床有一定指导意义的理论著述。4、 确有一得之见的临床经验总结。5、 以中西医结合方法治疗常见病、多发病的临床报告。6、 中药制剂和中药新药研究报告，关于中药加工炮制、真伪鉴别、剂型改革、质量控制及药效学研究方面的报道。7、 组方合理、疗效可靠的经效良方介绍。8、 反映基础或临床研究前沿课题的文献综述。9、 名医名言的介绍和评述、临证的一得之见以及行医感悟方面的短文。 本刊发表周期短，免收审稿费。论文发表后颁发论文证书。
在中医日渐萧条的窘境下，社会上出现了诋毁丑化中医的负面报道甚则取消中医的言论，降低了中医在老百姓心中的地位。对此，我深感遗憾，我认为看中医是个明智的选择，在某些时候是唯一的选择。
t值是t检验的统计量值，t检验，亦称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。t检验是用t分布理论来推论差异发生的概率，从而比较两个平均数的差异是否显著。
1、选用的检验方法必须符合其适用条件(注意：t检验的前提：来自正态分布总体；随机样本；均数比较时，要求两样本总体方差相等，即具有方差齐性)。理论上，即使样本量很小时，也可以进行t检验。（如样本量为10，一些学者声称甚至更小的样本也行），只要每组中变量呈正态分布，两组方差不会明显不同。如上所述，可以通过观察数据的分布或进行正态性检验估计数据的正态假设。方差齐性的假设可进行F检验，或进行更有效的Levene's检验。如果不满足这些条件，可以采用校正的t检验，或者换用非参数检验代替t检验进行两组间均值的比较。
2、区分单侧检验和双侧检验。单侧检验的界值小于双侧检验的界值，因此更容易拒绝，犯第Ⅰ错误的可能性大。t检验中的p值是接受两均值存在差异这个假设可能犯错的概率。在统计学上，当两组观察对象总体中的确不存在差别时，这个概率与我们拒绝了该假设有关。一些学者认为如果差异具有特定的方向性，我们只要考虑单侧概率分布，将所得到t-检验的P值分为两半。另一些学者则认为无论何种情况下都要报告标准的双侧t检验概率。
专业上，p值为结果可信程度的一个递减指标，p值越大，我们越不能认为样本中变量的关联是总体中各变量关联的可靠指标。p值是将观察结果认为有效即具有总体代表性的犯错概率。如p=提示样本中变量关联有5%的可能是由于偶然性造成的。即假设总体中任意变量间均无关联，我们重复类似实验，会发现约20个实验中有一个实验，我们所研究的变量关联将等于或强于我们的实验结果。（这并不是说如果变量间存在关联，我们可得到5%或95%次数的相同结果，当总体中的变量存在关联，重复研究和发现关联的可能性与设计的统计学效力有关。）
t值指的是t检验，t检验分为单总体检验和双总体检验；单总体t检验时检验一个样本平均数与一个已知的总体平均数的差异是否显著，当总体分布是正态分布，如总体标准差未知且样本容量小于30，那么样本平均数与总体平均数的离差统计量呈t分布；双总体t检验是检验两个样本平均数与其各自所代表的总体的差异是否显著。
朋友或者是同学
t/F值是指t值或F值，两种不同的统计学方法中的参数指标；t值常见于t检验中，当t<（一般取为检验水准），即拒绝无效假设，认为差异具有统计学意义；取值范围0～1F值常见于方差分析中，当F<（一般取为检验水准），即拒绝无效假设，认为差异具有统计学意义；取值范围0～1对于适用的同一组资料t检验和方差分析的结果是等价的（结果指标F=t的平方）。
F值是F检验的统计量值 。F检验是一种在零假设（null hypothesis, H0）之下，统计值服从F-分布的检验。其通常是用来分析用了超过一个参数的统计模型，以判断该模型中的全部或一部分参数是否适合用来估计母体。
F值和t值是F检验和t检验的统计量值，与它们相对应的概率分布,就是F分布和t分布。
统计显著性是出现目前样本这结果的机率。P值代表结果的可信程度，P越大，就越不能认为样本中变量的关联是总体中各变量关联的可靠指标。
p值是将观察结果认为有效即具有总体代表性的犯错概率，如p=提示样本中变量关联有5%的可能是由于偶然性造成的。
扩展资料
F值和t值是F检验和t检验的统计量值,与它们相对应的概率分布,就是F分布和t分布。
统计显著性是出现目前样本这结果的机率。P值代表结果的可信程度,P越大,就越不能认为样本中变量的关联是总体中各变量关联的可靠指标。p值是将观察结果认为有效即具有总体代表性的犯错概率，如p=提示样本中变量关联有5%的可能是由于偶然性造成的。
参考资料来源：百度百科——F检验
一、t指的是T检验，亦称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
二、P值（P value）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，说明原假设情况的发生的概率很小，而如果出现了，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越充分。
总之，P值越小，表明结果越显著。但是检验的结果究竟是“显著的”、“中度显著的”还是“高度显著的”需要我们自己根据P值的大小和实际问题来解决。
在相同自由度下，查t表所得t统计量值越大，其尾端概率p越小，两者是此消彼长的关系，但不是直线型负相关。
扩展资料：
T检验，亦称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。
t检验是用t分布理论来推论差异发生的概率，从而比较两个平均数的差异是否显著。它与Z检验、卡方检验并列。
t检验是戈斯特为了观测酿酒质量而发明的。戈斯特在位于都柏林的健力士酿酒厂担任统计学家，基于Claude Guinness聘用从牛津大学和剑桥大学出来的最好的毕业生以将生物化学及统计学应用到健力士工业程序的创新政策。
戈斯特于1908年在Biometrika上公布t检验，但因其老板认为其为商业机密而被迫使用笔名（学生）。实际上，戈斯特的真实身份不只是其它统计学家不知道，连其老板也不知道。
P值来源于六西格玛管理，是用来判定假设检验结果的一个参数，也可以根据不同的分布使用分布的拒绝域进 行比较。由R·A·Fisher首先提出。
P值(P value)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，说明原假设情况的发生的概率很小，而如果出现了，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越充分。
总之，P值越小，表明结果越显著。但是检验的结果究竟是"显著的"、"中度显著的"还是"高度显著的"需要我们自己根据P值的大小和实际问题来解决。
参考资料：百科-P值 百科-t检验
1、t值是t检验的统计量值，t检验，亦称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。 t检验是用t分布理论来推论差异发生的概率，从而比较两个平均数的差异是否显著。
2、F值是F检验的统计量值 。F检验是一种在零假设（null hypothesis, H0）之下，统计值服从F-分布的检验。其通常是用来分析用了超过一个参数的统计模型，以判断该模型中的全部或一部分参数是否适合用来估计母体。
3、P值即概率，反映某一事件发生的可能性大小。统计学根据显著性检验方法所得到的P 值，一般以P < 为有统计学差异， P< 为有显著统计学差异，P<为有极其显著的统计学差异。其含义是样本间的差异由抽样误差所致的概率小于 、、。
扩展资料：
F值和t值是F检验和t检验的统计量值,与它们相对应的概率分布,就是F分布和t分布。
统计显著性是出现目前样本这结果的机率。P值代表结果的可信程度,P越大,就越不能认为样本中变量的关联是总体中各变量关联的可靠指标。p值是将观察结果认为有效即具有总体代表性的犯错概率，如p=提示样本中变量关联有5%的可能是由于偶然性造成的。
参考资料：
百度百科——假设检验中的P值
百度百科——F检验
百度百科——t检验