在本系列的先前几篇内容中，我们围绕 t 检验这一主题与大家一起探讨了相关问题，希望各位现在对 t 检验（及其非参数检验）的理论背景和实际应用有了更深入的理解。
在具体应用中，虽然存在各种细节问题需要注意，但我们的初衷始终如一——即通过 t 检验来对一组或两组个体某一连续变量的平均值进行统计推断（非参数检验则是针对中位数）。
今天，我们将进一步探讨如何从“推断”的角度来解读 t 检验（以及相对应的非参数检验）的结果。
假设你收集到了一个样本数据，经过必要的正态性检验和数据转化后，你进行了 t 检验。无论你是用传统方法查表，还是利用现代统计软件如 SPSS、SAS，你首先会关注什么？
我想你已经看到了所有人齐刷刷举起的手——那就是 p 值！
p 值越小，结果似乎就越“显著”，越有价值。但与此我们必须认识到另一个事实：p 值并非万能。许多人误以为 p 值能够直接代表发现的效应或差异的大小，实际上并非如此。
我们之前就讨论过这个话题——“说人话的统计学”系列的开篇即为此。当时我们提到，p 值并不能直接反映效应大小。可能当时你会觉得有些费解，但现在我们已经对 t 检验有了更深入的了解，我们以它为例再来细说这一观点。
让我们回到一个例子中：蓝精灵与格格巫的包子大。学校后勤指定的食堂包子重量标准是每个50克，而蓝精灵想知道格格巫做的包子是否符合这一标准。我们已经知道，单个包子重量会有一定的随机波动，所以“符合标准”意味着大量包子的平均质量应接近50克，这正是单样本t检验能回答的问题。
蓝精灵进行了t检验并得到了一个p值。那么，我们能从这个p值中得到什么呢？
为了更好地解释问题，让我们来模拟一下。假设我们事先知道格格巫的包子重量总体分布，并使用计算机模拟不同的抽样情况，然后进行t检验，看看p值的表现如何。
设想格格巫的包子重量总体确实低于标准50克。我们进一步假设这个总体服从正态分布，且标准差为5克。根据正态分布的性质，这意味着在大多数情况下，格格巫的包子重量会在45克到55克之间。现在假设蓝精灵抽取了一个样本，我们可以使用计算机程序来模拟这个抽样过程。
在某次模拟中，蓝精灵得到了以下10个包子的重量数据（我们可以把这些数据称为“样本1”）：
44.81, 44.96, 51.92, 45.51, 52.72, 44.34, 51.86, 33.49, 47.88, 51.85
正如在实际操作中一样，这只是一个样本。如果我们重复模拟抽样过程，每次都会得到略有不同的样本。
想象还有另一位蓝精灵（我们称他为蓝精灵2号），他也从格格巫的窗口抽取了100个包子重量（我们称之为“样本2”）。这个样本里有100个数，列出的话会过于冗长，所以我们把样本1和样本2一起画在图上。
图中的蓝色横线代表包子重量的标准值50克。每个样本中的数据点用“+”表示，样本平均值用菱形表示，总体平均值用圆形表示。
拥有这些数据后，两位蓝精灵分别对他们手上的样本进行了单样本t检验（以50克为标准值）。他们第一时间将目光投向了p值。样本1和样本2得到的p值分别是某个数值和另一个数值。
这时，我们需要思考的是：我们做t检验的根本目的是什么？