我们常常在统计学应用中看到P值，F值，T值，这些参数是什么？我想应该先讲讲“假设检验”，弄明白假设检验，很多问题就通了。

本文首先介绍了假设检验在统计学的位置，然后从显著性检验、P值的疑问、假设检验方法的使用三个角度描述假设检验。

统计学按照发展阶段和侧重点不同，可分为描述统计学和推断统计学[1]

描述统计学是阐述如何对客观现象的数量表现进行计量表示； 推断统计学主要阐述如何根据部分数据(样本统计量)去推论总体的数量特征及规律性的一系列理论和方法

假设检验(hypothesis testing)作为推断统计学的重要部分，用来判断样本与样本、样本与总体的差异是由抽样误差引起还是本质差别造成的统计推断方法。

显著性检验是假设检验中最常用的一种方法，也是一种最基本的统计推断形式，其基本原理是先对总体的特征做出某种假设，然后通过抽样研究的统计推理，对此假设应该被拒绝还是接受做出推断。

常用的假设检验方法有Z检验、T检验、卡方检验、F检验等[2]

显著性检验（significance test）是假设检验的一种最常用的方法，用于检测实验组与对照组是否有差异以及差异是否显著的办法。

因为显著性检验0.05，因此接受原假设，认为a和b两组方差没有显著差异（不是相等）。

因此可以使用T检验，检验P=0.0006