正解 C：p＝0.021 ＜ α＝0.05 → 拒絕「兩組平均相等」的虛無假設、差異達統計顯著；equal_var=False＝Welch t 檢定（不假設變異數相等）。本站 scipy 1.17.1 實跑（逆向工程 A 組 48 位／B 組 52 位、變異數比 3.9 倍）：round(p,3)＝0.021 一字不差、t=2.3644、df=76.7 帶小數（Welch 招牌）。A 認錯案型——獨立樣本硬用成對檢定，實跑 ValueError（48 vs 52 對不上）；B 自創「砍半」規則——雙尾 p 直接與 α 比；D 把機率當秒數——實際差距是 26.1 秒，另外算。口訣：獨立找 ind、變異不等找 Welch——p 是機率，不是差距。
比較 A/B 兩組互相獨立使用者的平均停留時間是否有顯著差異（α＝0.05），且兩組變異數可能不相等。下列程式與判讀何者正確？
from scipy import stats # 統計檢定工具箱 res = stats.ttest_ind(group_a, group_b, equal_var=False) # 獨立樣本 t 檢定（Welch 版） print(res.pvalue) # 輸出 0.021
把假設檢定想成一場法庭審判。被告是一句無聊的話：「A/B 兩組其實沒有差別」——這就是虛無假設 H0，開庭前先做無罪推定。接著檢察官呈上證據（兩組的資料），法官只問一個問題：「假如被告真的無罪（兩組真沒差），出現這麼懸殊證據的機率有多小？」——這個機率就是 p 值。實跑給你看：把 100 位使用者的組別標籤隨機重洗 10,000 次（H0 為真的平行世界），差距像本案這麼懸殊的只出現 224 次（2.24%）——夠罕見。最後看陪審團的底線：α＝0.05 是社會願意「冤枉好人」的機率上限——p＝0.021 ＜ 0.05，證據罕見到超過底線 → 推翻無罪推定、判「有差異」（正解 C）。三個錯誤選項是三種法庭鬧劇：A 認錯案型（把「兩批不同的人」當成「同一批人前後測」——程式當場報錯）；B 自創「底線砍半」的怪規則；D 把「證據的罕見程度」唸成「贓款金額 0.021 秒」。
equal_var=False＝Welch：標準誤各用各的變異數、自由度 76.7 帶小數——手算三步與 scipy 一字不差。③ 雙尾 p 值已經涵蓋兩尾——直接與 α 比；「跟 α/2 比」是 B 的自創規則。點擊後出現漸進式說明：白話說明 → 說清楚一點 → 常見錯誤與考點。
點擊後出現漸進式說明。
五段，一段一段走完。右上角的「看位置」可以把這一段放回完整程式裡看。
from scipy import stats # SciPy 的統計工具箱 # A 組 48 位、B 組 52 位——不同使用者、互相獨立；變異數比 3.9 倍
檢定住在 scipy.stats（sklearn 管建模、scipy 管統計推論——兩個工具箱分工）。被告先驗明正身：A 組 48 位（平均 300.9 秒、標準差 35.6）、B 組 52 位（平均 274.8 秒、標準差 70.5）——不同的人、互相獨立（A 的死因埋在這）、且變異數差 3.9 倍（題目說「可能不相等」不是客套——這正是 equal_var=False 的出場理由）。
res = stats.ttest_ind(group_a, group_b, equal_var=False) # ind＝獨立；False＝Welch
函式名拆開讀：ttest_ind＝independent（獨立樣本）——兩批不同的人各量一次；成對（同一批人前後測）才用 ttest_rel。equal_var=False＝不假設兩組變異數相等——改用 Welch t 檢定：標準誤各用各的變異數、自由度用 Welch–Satterthwaite 公式（本題實跑 76.7，帶小數）。C 選項的後半句「equal_var=False 代表採用 Welch t 檢定」——逐字正確。
print(round(res.pvalue, 3)) # 實跑：0.021——與題目一字不差（全值 0.0206）
這個 0.021 不是抄題目的——本站逆向工程出一組真資料（48 vs 52 位、seed 掃描），讓 Welch 檢定跑出 round(p,3)＝0.021 一字不差。p 值的身分證：「假如 H0 為真（兩組真沒差），出現至少這麼極端資料的機率」——它是機率，介於 0 與 1、沒有單位；「兩組差 0.021 秒」（D）從詞性上就錯了。
print(round(res.statistic, 4)) # 實跑：t = 2.3644 print(round(res.df, 1)) # 實跑：自由度 76.7——帶小數，Welch 的招牌
檢定統計量 t＝2.3644：差距是標準誤的 2.36 倍——夠懸殊。自由度 76.7 是個彩蛋級的考點：Student t 的 df 是整數（n₁＋n₂−2＝98），Welch 的 df 帶小數（Welch–Satterthwaite 公式的產物）——考卷上看到 df=76.7 這種數字，就知道有人開了 equal_var=False。對照實跑：equal_var=True 時 p=0.0231、df=98——本題兩者結論相同，但別因此輕敵（03 節的病態案例天差地遠）。
se = np.sqrt(va/na + vb/nb) # 11.0506——各用各的變異數，不合併 t = (group_a.mean() - group_b.mean()) / se # 26.1 / 11.0506 = 2.3644 # df = Welch–Satterthwaite 公式 → 76.7；p = 2 × t 分布右尾 → 0.0206
黑盒子拆開驗貨：① 標準誤 se＝√(s²A/nA＋s²B/nB)＝11.0506——注意兩組的變異數各算各的、不合併（這正是 Welch 與 Student 的分水嶺）；② t＝差距 26.1 ÷ 11.0506＝2.3644；③ df 代 Welch–Satterthwaite 公式得 76.7、p＝2 × t 分布右尾機率＝0.0206。三個數字與 scipy 全部一字不差（np.isclose 三連 True）。
p 的本義（模擬 10,000 個 H0 世界）、與 α 的判決流程、B 的砍半謬誤——三回合開庭：
同一批資料、兩種算法對決——本題的溫和版、病態案例的殘酷版、手算的拆解版：
「A/B 測試」四個字容易讓人聯想到「成對」——把兩種案型攤開對質：
stats.ttest_rel(group_a, group_b) 當場 ValueError: Array shapes are incompatible for broadcasting（48 vs 52 根本配不成對）。A/B 測試的標準設計正是「隨機分流、互相獨立」——獨立樣本用 ttest_ind，A 選項連題幹的「互相獨立」四個字都沒讀。0.021 與 26.1 秒——兩個完全不同的東西，攤開來分：
t 檢定家族速查（考場最常考「選哪支」）：
| 場景 | 函式 | 例子 |
|---|---|---|
| 兩組不同的人（獨立） | ttest_ind(a, b, equal_var=False) | 本題 A/B 測試（Welch 保險絲） |
| 兩組不同的人、確信變異數相等 | ttest_ind(a, b)（預設 True） | 教科書的 Student t |
| 同一批人、前後兩次 | ttest_rel(before, after) | 改版前後同一批會員的停留時間 |
| 一組 vs 已知常數 | ttest_1samp(a, popmean=300) | 本月平均是否 ≠ 300 秒的目標 |
# 對照組實跑：equal_var=True（Student）——本題溫和、病態案例天差地遠 print(stats.ttest_ind(group_a, group_b, equal_var=True).pvalue) # 0.0231（df=98 整數） # 病態案例（10 人 sd 86.7 vs 100 人 sd 9.8）：Student 0.0087 vs Welch 0.4106
題幹白紙黑字「兩組互相獨立」——A/B 測試的標準設計就是隨機分流、兩批不同的人。成對檢定要「同一批人兩次測量」：實跑 ttest_rel(group_a, group_b) 當場 ValueError（48 vs 52 配不成對）。獨立找 ind、成對找 rel。
雙尾 p 值已經涵蓋兩條尾巴——判決永遠是 p 與完整的 α 比：0.021 ＜ 0.05 → 拒絕。α/2 只活在「臨界值法」裡（兩尾各分 2.5% 去查 ±t₀.₀₂₅）——切的是 α 不是 p。順帶：0.021 其實也小於 0.025——B 連自創規則都套錯。
三個半句全對（實跑蓋章）：p＝0.0206、round 後 0.021 一字不差；0.021 ＜ 0.05 → 拒絕 H0、達顯著（H0 世界實測只有 2.24% 這麼極端）；equal_var=False＝Welch——標準誤各用各的變異數、df=76.7 帶小數，手算三步與 scipy 一字不差。
p 值是機率——介於 0 與 1、沒有單位。實際差距要自己算：group_a.mean()−group_b.mean()＝26.1 秒（Cohen's d＝0.46）。兩個數字連量綱都不同；把 p 唸成秒數，報告會差出一千倍的世界觀。
再看一次同一道題。這次你手上有一句口訣了：獨立找 ind、變異不等找 Welch——p 直接比 α，它是機率不是差距。
res = stats.ttest_ind(group_a, group_b, equal_var=False) # 獨立＋Welch print(round(res.pvalue, 3)) # 0.021 ＜ α=0.05 → 拒絕 H0
八題，全部都是本題的延伸。答錯會直接告訴你錯在哪。
「假設檢定判讀」是中級科目二機率統計與資料分析的招牌考點，t 檢定、p 值、顯著水準輪流出場。最常見的六種問法：① 給程式與 p 值選正確判讀（本題——比法、案型、詞性三關）；② 問 equal_var=False 是什麼（Welch——不假設變異數相等）；③ 問 ttest_ind 與 ttest_rel 怎麼選（獨立 vs 成對）；④ 問 p 與 α 怎麼比（直接比、不砍半）；⑤ 問 p 值的定義（H0 為真時至少這麼極端的機率——不是差距、不是 H0 為真的機率）；⑥ 問雙尾／單尾的差別。一句口訣：p 直接比 α——它是機率，不是差距。
四步。① 立假設：H0（虛無假設）＝「沒有效果」的那句無聊話——本題「兩組平均停留時間相等」；H1（對立假設）＝「有差異」（雙尾：不指定方向）。② 定底線：α＝0.05——願意冤枉好人（H0 為真卻拒絕它）的機率上限，開庭前就要定好、不能看到 p 再調。③ 算證據：檢定統計量 t＝2.3644 → p＝0.0206。④ 判決：p ＜ α → 拒絕 H0（「差異達統計顯著」）；p ≥ α → 無法拒絕 H0——注意用詞：是「證據不足」、不是「證明兩組相等」（法庭無罪判決 ≠ 證明清白）。考場愛考第 ④ 步的措辭陷阱。
正解：「假如 H0 為真（兩組真沒差），抽到至少像手上這麼極端資料的機率」。本站用排列檢定把定義演給你看：強迫 H0 為真（100 位使用者的組別標籤隨機重洗）10,000 次，|t|≥2.3644 只出現 224 次＝2.24%——與參數法 p=0.0206 對上。三大誤讀排行：① 「p 是 H0 為真的機率」——錯，p 的計算以 H0 為真為前提，不能反過來當它的機率；② 「p 是兩組的差距」——D 選項，機率沒有秒這種單位；③ 「p 大就證明兩組相等」——只能說證據不足。記法：p 是證據的罕見程度，不是效果的大小。
一個字：合併。Student t 假設兩組變異數相等，把它們合併成一個 pooled variance（df＝n₁＋n₂−2＝98 整數）；Welch 不做這個假設——標準誤 各用各的（√(s²A/nA＋s²B/nB)）、df 用 Welch–Satterthwaite 公式（本題 76.7 帶小數）。差多少？本題溫和（0.0206 vs 0.0231、結論相同）；病態案例殘酷（實跑 10 人 sd 86.7 vs 100 人 sd 9.8）：Student p=0.0087 判顯著、Welch p=0.4106 說證據不足——小組的大變異被合併稀釋、t 被灌水，df 更從 108 掉到 9.0。Welch 在變異數真相等時效率損失極小——統計學界的主流建議就是：獨立兩樣本 t 檢定，預設開 Welch。
有——但用在臨界值法：雙尾檢定把 5% 的冤枉配額分給兩條尾巴各 2.5%，查臨界值 ±t₀.₀₂₅(df)，再看 t=2.3644 有沒有超出——這裡切的是 α。而軟體回報的雙尾 p 值已經把兩尾機率加總（p＝2×單尾＝0.0206），所以 p 值法的判決永遠是「p 與完整的 α 比」。兩套流程數學上等價（p ＜ α ⟺ |t| ＞ 臨界值）、混用就出事——B 把臨界值法的 α/2 錯接到 p 值上。加碼吐槽：0.021 其實也小於 0.025——B 連自己發明的規則都套錯結論，雙重死刑。
成對（paired）的定義：同一個受試單位、兩次測量——改版前後同一批會員的停留時間、同一批病人服藥前後的血壓——第 i 筆前測與第 i 筆後測天生綁定，檢定的其實是「差值的平均是否為 0」，兩組長度必然相同。A/B 測試恰恰相反：把流量隨機分流成兩批不同的使用者——互相獨立、人數通常不等（本題 48 vs 52）。實跑鐵證：stats.ttest_rel(group_a, group_b) 當場 ValueError: Array shapes are incompatible for broadcasting——配不成對連程式都過不了。順帶：成對設計若成立會更有檢定力（吃掉個體差異）——所以「能配對就配對」是實驗設計的話，但那要在收資料前就設計好，不是在算 p 時硬掰。
不代表——p 回答「是不是抽樣運氣」、效果量回答「差多大」。實跑警世：n=20,000 每組、差距只有 1.67 秒（Cohen's d=0.028，微小）——p=0.0051 照樣顯著：樣本一大，芝麻也顯著。所以正式報告兩個數字都要給：「A 組 300.9 秒 vs B 組 274.8 秒，差 26.1 秒（d=0.46 中等偏小）；Welch t(76.7)=2.36、p=0.021 ＜ 0.05，達統計顯著」。決策層面：26.1 秒的停留差距值不值得全面改版，是商業判斷——統計只負責說「這差距不像是運氣」。延伸工具：95% 信賴區間（差距的可能範圍）比單一 p 值資訊更多——考場偶爾也考。
四條線。「科目二統計線」：第 13 頁評估指標（分母判官）、第 16 頁圖表對帳、第 20 頁分位數、第 22 頁串流統計——本頁補上推論統計：從「描述資料」升級到「下統計結論」。「一字不差工法」：與第 25 頁 Apriori 同款——從題目的 0.021 逆向工程出真資料、讓 scipy 親口說出題目那一行。「不報錯的錯」：B、D 程式零修改、錯全在判讀——第 27 頁「四選項零報錯」的姐妹篇；A 反而是會爆的好錯。「A/B 測試生態」：本站 dr-abtest（設計端：隨機分流）與本頁（分析端：檢定判讀）合成完整流程——設計時分流、分析時 ind。