一．单因素方差分析（one-way ANOVA）,用于完全随机设计的多个样本均数间的比较，其统计推断是推断各样本所代表的各总体均数是否相等。
完全随机设计（completely random design）不考虑个体差异的影响，仅涉及一个处理因素，但可以有两个或多个水平，所以亦称单因素实验设计。
在实验研究中按随机化原则将受试对象随机分配到一个处理因素的多个水平中去，然后观察各组的试验效应；在观察研究（调查）中按某个研究因素的不同水平分组，比较该因素的效应。
二．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。
单总体t检验统计量为：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。
双总体t 检验又分为两种情况，一是独立样本t检验，一是配对样本t检验。
独立样本t检验统计量为：S1 和S2 为两样本方差；n1 和n2 为两样本容量。
（上面的公式是1/n1 + 1/n2 不是减！）配对样本t检验统计量为：t检验的适用条件(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检验步骤以单总体t检验为例说明:问题：难产儿出生体重n=35，X拔=3.42，S =0.40，一般婴儿出生体重μ0=3.30（大规模调查获得），问相同否？解：1.建立假设、确定检验水准αH0：μ = μ0 （无效假设，null hypothesis）H1：μ≠μ0（备择假设,alternative hypothesis，）双侧检验，检验水准:α=0.052.计算检验统计量3.查相应界值表，确定P值，下结论查附表1，t0.05 / 2.34 = 2.032,t < t0.05 / 2.34,P >0.05，按α=0.05水准，不拒绝H0，两者的差别无统计学意义例：某校二年级学生期中英语考试成绩，其平均分数为73分，标准差为17分，期末考试后，随机抽取20人的英语成绩，其平均分数为79.2分。
