T检验在项目上的具体实施

我觉得 T 检验，应该用在 判断某种仿真条件因素 对碳纳米管的随机性 是否有显著影响 上。所以不是针对《相同仿真条件对不同源的影响》这个表中的数据做 T 检验

如：判断 金属/半导体比率 这个因素 对碳纳米管的随机性 是否有显著影响，那么应该将 0220-0813 的数据和 0222-0809 的数据进行对比，并且用计算差值的方法来做(即下图的方法)：

---

具体的步骤是：

1. 将 0220-0813 的 6 个数据作为第 1 组，0222-0808 的 6 个数据作为第 2 组

2. 按照头两张图的方法根据公式计算出相应的值，最后求出 t

3. 将算出来的 t 值与 T临界值表 对比，对比的应该是 双侧0.05 与 n=5 交叉的值，即对比的是 T=2.571

4. 判断该仿真条件因素对碳纳米管的随机性有无显著影响，若 t>T，则说明有显著影响，反之则无显著影响

附： T 临界值表：

---

t 值计算脚本代码：

#coding=utf-8
import math

a = []
b = []
c = []
s = 0
S_d = 0
addsum = 0

def appendA():
    print 'please input \'#\' if you want to quit'
    for i in range(100):
        n = raw_input()
        if n == '#':
            break
        else:
            a.append(float(n))

def appendB():
    print 'please input \'#\' if you want to quit'
    for i in range(100):
        n = raw_input()
        if n == '#':
            break
        else:
            b.append(float(n))

appendA()
appendB()

for i in range(len(a)):
    d = b[i]-a[i]
    c.append(d)
    addsum += d
averageD = float(addsum/len(c))

for d in c:
    s += (d-averageD)**2
S_d = math.sqrt(s/(len(a)-1))

temp = S_d/math.sqrt(len(c))
t = abs(averageD/temp)

print 'd.average  =',averageD
print 'Sd  =',S_d
print 't-value = ',t