1，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
2,统计学意义（P 值或 sig 值) 结果的统计学意义是结果真实程度(能够代表总体）的一种估量方法
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
05 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，我们所讨论的变量关联将等于或强于我们的实验结果
（这并不是说假如变量间存在关联，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，重复讨论和发现关联的可能性与设计的统计学效力有关
）在许多讨论领域，0
05 的 p 值通常被认为是可接受错误的边界水平
3，T 检验和 F 检验至於具体要检定的内容，须看你是在做哪一个统计程序
