Z检验适用于已知总体标准差(σ)的情况，通常需要大样本(n≥30)，基于标准正态分布。
t检验适用于未知总体标准差、用样本标准差(s)估计的情况，基于t分布（自由度越小，尾部越厚）。小样本(n<30)通常使用t检验。当样本量增大时，t分布趋近于标准正态分布。

双侧检验：当你不确定效应方向时使用，检验的是"是否有差异"（≠）。α平分到两个尾部。
单侧检验：当你明确预期方向时使用，检验的是"是否大于"或"是否小于"。全部α集中在一个尾部，检验功效更高。需在数据收集前确定，避免事后选择。

p值是在原假设H₀为真的条件下，观察到当前或更极端结果的概率。
• p < α：拒绝H₀，结果具有统计显著性
• p ≥ α：无法拒绝H₀，证据不足
注意：p值不表示效应大小，也不表示H₀为真的概率。p值小≠效应大，需要结合效应量(如Cohen's d)综合判断。

第一类错误(α错误)：H₀为真时错误拒绝H₀（假阳性）。概率=显著性水平α。
第二类错误(β错误)：H₀为假时未能拒绝H₀（假阴性）。概率=β，检验功效=1-β。
增大样本量可同时降低两类错误的风险。

等方差t检验(Student's t)：假设两组总体方差相等，使用合并方差(pooled variance)，自由度=n₁+n₂-2。
Welch's t检验：不假设等方差，使用近似自由度（通常更小、非整数），更为稳健。现代统计实践推荐默认使用Welch's t检验。
可用Levene检验或F检验判断方差是否相等。

样本量越大：
• 标准误越小，检验统计量越大
• 更容易检测到微小差异（统计显著性）
• t分布趋近正态分布
• 检验功效(1-β)越高
注意：大样本下，微小的实际差异也可能"显著"，需结合效应量判断实际意义。

Cohen's d衡量的是组间差异的标准化大小：
• |d| ≈ 0.2：小效应
• |d| ≈ 0.5：中等效应
• |d| ≈ 0.8：大效应
与p值不同，效应量不受样本量影响，反映实际差异的大小。报告结果时应同时提供p值和效应量。

• α=0.05：最常用，平衡了假阳性与假阴性的风险
• α=0.01：需要更强证据时使用（如医学研究、大规模决策）
• α=0.10：探索性研究或小样本初步分析时使用
选择α应考虑研究领域惯例、错误决策的代价以及样本量。