•兩獨立樣本T檢驗的目的是利用來自兩個正態總體的獨立樣本，推斷兩個總體的均值是否存在顯著差異。
區別於配對樣本T檢驗，獨立樣本T檢驗是來自兩個獨立樣本，或者被同一樣本數據的二分類變量分配的兩個樣本；配對樣本是同一樣本數據，不同環境。
一、驗證兩獨立樣本數據是否符合正態分布（分析-描述統計-探索），若不符合對數據進行處理，若符合進行第二步；
關注正態分布結果：
（1）單樣本的K-S檢驗是用來檢驗一個數據的觀測經驗分布是否是已知的理論分布。當兩者間的差距很小時，推斷該樣本取自已知的理論分布。
作為零假設的理論分布一般是一維連續分布 F（如正態分布、均勻分布、指數分布等），有時也用於離散分布（如Poisson分布）。即H0：總體X 服從某種一維連續分布 F。檢驗統計量為：
（2）Shapiro—Wilk檢驗法是S.S.Shapiro與M.B.Wilk提出用順序統計量W來檢驗分布的正態性。統計量：
H0：總體服從正態分布
（3）兩種檢驗的選擇：
•樣本量小於2000時看shapiro-wilk的檢驗結果，精度高。
•kolmogorov-smimov適合大樣本，一般大於2000。
•對於此兩種檢驗，如果P值大於0.05，沒有理由說樣本數據不服從正態分布。
•由下表得出結論：三國樣本數據中，文官和武將兩類數據均服從正態分布，可以進行兩獨立樣本T檢驗
二、分析-比較均值-兩獨立樣本T檢驗；選項-置信水平；定義組-輸入分類數據；
三、輸出結果；
第一步：下表可以看出，文官和武將之間武力的樣本平均值很大的差距。通過假設檢驗應推斷這種差異是抽樣誤差造成的還是系統性的。
第二步：First，兩總體方差是否相等的F檢驗。這里，該檢驗的F統計量的觀測值為42.595，對應的概率P-值為0.000。在0.05顯著性水平下，由於概率P-值小於0.05，可以認為兩總體的方差有顯著差異，即兩總體方差是不相等的。原假設：方差相等。
Second，兩總體均值的檢驗。在第一步中，由於兩總體方差不相等，因此應看第二行T檢驗的結果。其中T統計量的觀測值為27.188，對應的雙尾概率P-值為0.000。如果顯著性水平為0.05，由於概率P-值小於0.05，因此認為兩總體的均值有顯著差異，即文官和武將之間武力的樣本平均值存在顯著差異。
表中的第七列和第八列分別為T統計量的分子和分母；第九列和第十列為兩總體差的95%置信區間的上限和下限。
