前言
接着上一篇t分布，主要内容有：
- 相依样本 vs 独立样本
- 独立样本 (Independent sample)
- 独立样本t统计量
- 举例（餐厅价格）
相依样本 vs 独立样本
相依样本或重复测量，这个概念指的是为同一人提供两种条件，看看他们对这两种条件的反应。这两种条件可以是对照组和处理组，或者两种处理类型，或者可以是纵向研究，在某个时间点测量某个变量，然后在另一个时间点再次测量该变量，看看变量是否有变化。或者是预期测试和后期测试，测量处理前后变量的值。
相依样本的研究方法非常有用，因为它控制了个体差异，也就是说，如果我们给某人带来某种处理措施，下次再实施同一处理措施。这样我们可以判断在同一条件下两种不同处理措施的效果。因为我们控制了个体差异性，因此就可以使用更少的受试者，成本更低，花费时间更少。
但是也有一些不足，其中之一是残留效应(carry-over effects)。例如，假设有一种新的数学教学方法，我们想知道该方法是否有效。如果使用同一组学生来检验这一新的教学方法，不可避免的，学生第二次测试时的数学能力肯定更强。我们不知道第二个处理方式的结果是因为该处理措施有效，还是学生在第一次教学中已经学过相关数学知识。
另外我们实施处理措施的顺序可能会影响到结果。假设我们想测试两种类型的药丸。如果第一种药丸和第二种药丸有相互作用呢？按这种顺序服用的话会影响到结果。
综上所述就是为什么需要独立样本。显然，相依样本的优势就成为了独立样本的不足。相依样本的不足也成为了独立样本的优势。
对于独立样本，我们需要更多的受试者，因为我们需要随机的选择两组受试者来接受两种处理措施，我们需要更大的n来尽量控制个体差异。意味着更加消耗时间，开支也更多。而独立样本的优势是不存在残留效应。
对于独立样本来说，可以开展实验性检验，对受试者实施处理措施或者开展观察性检验，只是观察两组不同总体的特性，然后对比它们。零假设，对立假设，t统计量和作出统计决策的方式和之前都是相同的。
独立样本t统计量
举例
