t 檢定、F 檢定、卡方檢定差在哪？

目的相同，都是判斷「差異是真的還是隨機造成的」，差別在資料型態：t 比兩組平均、F(ANOVA)比三組以上平均、卡方比類別的次數與比例。

什麼時候該用 ANOVA 而不是 t 檢定？

要比三組以上的平均時。兩兩硬做 t 檢定會讓誤判機率膨脹——三組要比 3 對，至少誤判一次的機率從 5% 升到 14.26%；十組要比 45 對，膨脹到 90.06%。

ANOVA 顯著之後還要做什麼？

做事後比較(Post-hoc test)，例如 Tukey HSD 或 Bonferroni 校正的兩兩比較。ANOVA 只告訴你「至少有一組不同」，不會指出是哪幾組。

Paired t 和 Independent t 怎麼選？

看是不是同一批對象量兩次。治療前後的血壓是同一批人 → Paired；男生 vs 女生的薪資是兩批不同的人 → Independent。誤用獨立版會丟掉配對資訊、檢定力大幅下降。

卡方檢定的期望值 E 怎麼算？

E ＝該列總和 × 該欄總和 ÷ 總人數。例如男生 100 人、買 iPhone 共 110 人、總共 200 人，則「男 × iPhone」的期望值是 100×110÷200 ＝ 55。χ² ＝ Σ(O−E)²÷E。

p 值小是不是就代表差異很重要？

不是。樣本一大，再小的差距都會顯著。除了 p 值還要看效果量(t 看 Cohen's d、ANOVA 看 η²、卡方看 Cramér's V)與信賴區間，才知道差異在實務上有沒有意義。

統計檢定家族 t／F／卡方：三把武器怎麼選

Q: 卡方檢定的期望值 E 怎麼算？

E ＝ 該列總和 × 該欄總和 ÷ 總人數。例如男生 100 人、買 iPhone 共 110 人、總共 200 人，則「男 × iPhone」的期望值是 100×110÷200 ＝ 55。χ² ＝ Σ(O−E)²÷E。

💡一句話定義

t、F、卡方是統計學裡三個最常用的檢定家族。它們回答的是同一個問題——這個差異是真的，還是隨機造成的？——只是針對不同的資料型態，用不同的統計量去衡量。

📏t 檢定
看平均數。A、B 兩組平均有沒有不同？
One-sample t、Independent t、Paired t

📊F 檢定
看多組平均／變異／整體模型。A、B、C 三組至少一組不同嗎？
ANOVA、迴歸的整體 F 檢定

🔢卡方 χ²
看類別、次數、比例。性別跟購買與否有沒有關係？
獨立性檢定、適合度檢定

共同的語法：先立一個虛無假設 H₀（「其實沒有差」），算出在 H₀ 成立的世界裡、出現眼前這種資料的機率＝p 值，再跟事先訂好的門檻 α（通常 0.05）比。p < α → 有證據推翻「沒有差」；p ≥ α → 證據不足，不是「證明沒差」。

🧭互動一：三秒選型決策樹

大部分的題目只要問兩三個問題就能定案。跟著回答，或直接按下面的例題讓它自己跑一遍。

檢定選型決策樹

先看 Y（你關心的結果）是數字還是類別，再看要比幾組

一鍵帶入例題：

📏t 檢定：比較「平均」

兩種教學方法，A 班平均 80 分、B 班平均 85 分。你不能看到 85 > 80 就宣布 B 比較好——有可能只是剛好 B 班學生比較強。

所以做 t 檢定，先立 H₀：兩班平均其實相同。假設算出 p = 0.01、而 α = 0.05，因為 p < α，結論是：如果兩班真的沒差，出現這麼大差異的機率只有 1%，太不合理了，所以有證據認為兩班平均確實不同。

關鍵直覺：p 值不是只看「差多少」。同樣是差 5 分，如果班內同學成績很集中、人數又多，那 5 分就很難用運氣解釋；如果班內本來就參差不齊、人數又少，5 分根本不算什麼。下面自己拉拉看。

t 檢定判決台：差距一直都是 5 分

A 班平均 80、B 班平均 85 固定不動，只調整「班內離散程度」與「每班人數」

班內標準差 s＝6 分（越小代表班內越整齊）

每班人數 n＝20 人

平均差距5.00 分

t 統計量2.635

自由度 df38

p 值（雙尾）0.0121

t 家族的三個成員：
· One-sample t：一組 vs 一個固定標準（這批燈泡平均壽命有沒有到宣稱的 1000 小時？）
· Independent t：兩批不同的人（男生 vs 女生的平均薪資）
· Paired t：同一批人前後兩次（同一群病人治療前 vs 治療後的血壓）
配對的資料如果誤用獨立版，等於把「每個人自己前後的變化」這個最重要的資訊丟掉，檢定力會掉一大截。

📊F 檢定：三組以上就換武器

現在有三種教學法：A 80 分、B 85 分、C 92 分。如果硬要兩兩做 t 檢定（A vs B、A vs C、B vs C），做越多次、至少誤判一次的機率就越高。所以改用 ANOVA（變異數分析），而 ANOVA 的核心統計量就是 F。

F 的概念非常直覺，就是一個比值：
F ＝組間差異 ÷ 組內差異
如果 A 班大家都在 79～81、B 班都在 84～86、C 班都在 91～93——每組自己內部很整齊、三組彼此拉很開，F 就會很大，「三組完全相同」這個假設就顯得很不合理。

F ＝組間 ÷ 組內

三組平均固定在 80 / 85 / 92，只調整組內波動與每組人數

組內標準差 s＝10 分

每組人數 n＝10 人

組間 MS_between363.33

組內 MS_within100.00

F ＝組間÷組內3.633

自由度(2, 27)

p 值0.0401

為什麼不能兩兩硬做 t 檢定？族系誤差率（α=0.05）：

3 組 → 3 對 → 14.26%

4 組 → 6 對 → 26.49%

5 組 → 10 對 → 40.13%

10 組 → 45 對 → 90.06%

計算方式 1 −（1 − 0.05）^對數。10 組兩兩比完，幾乎保證至少誤判一次。

ANOVA 顯著只說了一半。p < 0.05 的意思是「至少有一組不一樣」，它不會告訴你是 A vs B、A vs C 還是 B vs C。想知道兇手是誰，一定要再做事後比較（Post-hoc test），例如 Tukey HSD。上面的預設情境就是典型例子：ANOVA p = 0.0401 顯著，但校正後其實只有 A vs C 撐得住。

🔢卡方 χ²：資料是「人數」不是「平均」

卡方跟前兩個很不一樣。它比的不是平均身高、平均成績、平均收入，而是人數／次數／比例符不符合預期。看到男／女、iPhone／Android、買／不買、是／否、A/B/C 類別，就往卡方想。

卡方的想法只有一句話：把實際觀察到的次數 O 跟「如果兩者完全沒關係、理論上該出現的次數 E」擺在一起比。
χ² ＝ Σ (O − E)² ÷ E
差越大 → χ² 越大 → 越不像只是隨機造成的。

卡方 O vs E 對帳台

直接改格子裡的人數，期望值 E、每格貢獻與 χ² 會即時重算

	買 iPhone	買 Android	列總和
男			100
女			100
欄總和	110	90	200

每一格的對帳（O ＝實際、E ＝如果沒關係該有的、下方是這格對 χ² 的貢獻）：

	買 iPhone	買 Android
男
女

χ² 統計量50.505

自由度 df1

p 值1.19e-12

最小期望值45.0

兩個實務注意事項：
· 期望值不能太小。一般要求每格 E ≥ 5（至少 80% 的格子），否則卡方近似會失準，改用 Fisher 精確檢定。
· 2×2 表的 Yates 連續性校正。scipy.stats.chi2_contingency 對 2×2 表預設會校正：上面手算的 50.505 在校正後會變成 48.505（p 從 1.19e-12 變 3.29e-12）。想拿到跟公式一致的數字要傳 correction=False。

🧠最簡單的記法

t → 兩組平均數　　F → 多組平均數 / ANOVA　　χ² → 類別、次數、比例

題目	第一反應	為什麼
男生女生「平均薪資」是否不同	Independent t	Y 是數字、兩組、兩批不同的人
A/B/C 三種廣告的「平均銷售額」是否不同	ANOVA（F 檢定）	Y 是數字、三組以上
性別與「購買／不購買」是否有關	卡方 χ²	兩邊都是類別，資料是人數
治療前後「平均血壓」是否不同	Paired t	Y 是數字、同一批人前後測
四個地區的品牌偏好是否不同	卡方 χ²	地區與品牌都是類別，資料是次數

一張圖收尾

你的 Y（結果）是數字嗎？
│
├─ 是（平均、金額、分數）
│   │
│   ├─ 跟一個固定標準比 ────────→ One-sample t
│   │
│   ├─ 比兩組平均
│   │   ├─ 同一批人前後測 ──────→ Paired t
│   │   └─ 兩批不同的人 ────────→ Independent t
│   │
│   └─ 比三組以上平均 ──────────→ ANOVA（F 檢定）
│                                    └─ 顯著後再做 Post-hoc
│
└─ 不是，是類別／人數 ────────────→ 卡方 χ²
                                      （獨立性檢定／適合度檢定）

🧬再往下一層：它們其實是一家人

t 檢定、ANOVA、線性迴歸是同一個框架的三種長相——都屬於一般線性模型（General Linear Model）。卡方則走另一條路，專攻類別資料。

🔗t ＝只有兩組的 ANOVA
兩組時 F ＝ t²，兩個檢定的 p 值完全相同。

📈ANOVA ＝用類別當自變數的迴歸
把組別做成虛擬變數丟進迴歸，整體 F 檢定就是 ANOVA 的 F。

🤖χ² 走進機器學習
SelectKBest(chi2) 的特徵選擇、A/B 測試的轉換率比較，用的都是同一套。

這個關係對理解機器學習很有用：Logistic Regression 處理的是類別型的 Y，正是「線性模型」往類別資料延伸的產物；特徵選擇裡的 f_classif 用的是 ANOVA 的 F、chi2 用的是卡方；A/B 測試比轉換率用卡方、比客單價用 t 檢定。選錯武器，整個結論就不成立。

📌常見誤解

p = 0.01 是不是代表「H₀ 為真的機率只有 1%」？

不是。p 是「假設 H₀ 為真的前提下，觀察到目前這麼極端（或更極端）結果的機率」，方向剛好相反。它是「在 H₀ 世界裡這批資料有多罕見」，不是「H₀ 有多可能是對的」。

p ≥ 0.05 是不是就證明兩組沒有差別？

不是。只能說證據不足。樣本太少、變異太大，都會讓真實存在的差異驗不出來。上面的判決台就是例子：同樣差 5 分，n=10、s=15 時 p = 0.4657，但差距明明存在。

ANOVA 顯著了，是不是三組互相都不一樣？

不是。只代表至少有一組跟別人不同。預設情境的 ANOVA p = 0.0401 顯著，但 Bonferroni 校正後只有 A vs C（差 12 分）站得住，A vs B 與 B vs C 都不顯著。

顯著是不是就代表這個差異很重要？

兩回事。樣本一大，再小的差距都會顯著。所以除了 p 值，還要看效果量（t 家族看 Cohen's d、ANOVA 看 η²、卡方看 Cramér's V）和信賴區間，才知道差異在實務上值不值得在意。

卡方可以用在「平均值」上嗎？

不行。卡方吃的是次數（人數、件數），不是平均或百分比本身。如果手上是「男生平均花 3,200 元、女生平均花 2,800 元」，那是平均數的問題，該用 t 檢定；要用卡方就得先把資料變成「高消費／低消費」的人數格子。

α 為什麼常常是 0.05？

純屬慣例，不是天條。α 是你願意承受的型一錯誤（沒差卻說有差）比率。醫療或高風險場景會壓到 0.01，探索性研究可能放寬到 0.1。重點是事先訂好，不是看到 p 值再回頭決定門檻。

統計檢定家族 t／F／卡方 χ²