该用ttest_ind当两组数据来自不同群体，如随机分组的a/b测试；ttest_rel适用于同一群体先后接受两种处理的配对设计。误用会导致p值失真，且ttest_ind要求输入连续变量、需检验方差齐性与正态性。
什么时候该用 ttest_ind 而不是 ttest_rel
关键看两组数据是否来自同一群人。比如你让一批用户先用版本A、再用版本B，测点击率变化，这是配对设计，得用 ttest_rel；但如果你随机分两组，一组只看A、一组只看B，那就是独立样本，必须用 ttest_ind。误用会直接导致 p 值失真——ttest_ind 默认假设方差相等，但现实中 A/B 组的转化率波动常不一致。
实操建议：
- 先跑
scipy.stats.levene检验方差齐性，p ttest_ind 时务必设equal_var=False - 如果样本量都 > 30，且分布不太偏（比如转化率在 1%–20% 之间），t 检验结果通常稳健；但若某组转化率接近 0% 或 100%，考虑换
proportions_ztest（来自statsmodels） - 别直接喂原始点击/曝光数进去——
ttest_ind要求输入是连续型观测值（如人均停留时长、订单金额），不是比例。算转化率后当连续变量用可以，但要警惕方差不稳定
用 ttest_ind 做转化率检验的常见翻车点
很多人把 A 组 1000 次曝光、80 次点击，B 组 1000 次曝光、95 次点击，直接塞进 ttest_ind([1]*80 + [0]*920, [1]*95 + [0]*905) ——这没错，但效率极低。10 万行数据构造布尔数组，内存和计算都浪费。
更稳妥的做法是用汇总统计近似：
- 只要每组 n > 50 且 p 不极端（0.1 ttest_ind 直接比较两组转化率数值（每个“观测”是一次实验的转化率，比如按天聚合）
- 如果只有单次实验的总点击/曝光数，别硬套 t 检验，改用
statsmodels.stats.proportion.proportions_ztest(count=[80, 95], nobs=[1000, 1000]) -
ttest_ind对离群值敏感。比如某天 A 组因缓存失效导致人均时长飙升到 2 小时，这一条就可能拉偏均值和方差——建议先用 IQR 或scipy.stats.zscore剔除 |z| > 3 的点
如何快速判断 t 检验结果是否可信
p 值小于 0.05 只是门槛，不代表效果真实。重点看三件事：效应量、置信区间、样本代表性。
- 用
scipy.stats.ttest_ind返回的statistic算 Cohen’s d：d = t_stat * np.sqrt(1/n1 + 1/n2)，d > 0.2 才算有实际意义（哪怕 p=0.001，d=0.03 也没啥用） - 手动补上 95% 置信区间：
from scipy import stats; se = np.sqrt(s1**2/n1 + s2**2/n2); margin = stats.t.ppf(0.975, df) * se，如果区间跨零，谨慎下结论 - 检查分组是否真正随机：比如 A 组用户集中在 iOS，B 组集中在安卓，那差异可能来自系统而非版本——得加协变量做 ANCOVA，或直接切设备维度重跑
为什么有时候 ttest_ind 报 nan 或 inf
最常见原因是某组标准差为 0（全一样）或极小，导致 t 统计量分母趋近于 0。比如 A 组 100 个用户人均下单金额全是 299，B 组有波动，这时 ttest_ind 会返回 inf 和 nan p 值。
- 先检查
np.std(group_a)是否为 0；是的话，说明该指标在当前粒度下无变异，换指标（比如用是否下单代替金额）或换聚合粒度（按用户聚合变成按会话聚合） - 如果标准差极小（比如 1e-10），加一个微小扰动：
group_a = group_a + np.random.normal(0, 1e-8, len(group_a))，避免数值崩溃 - 还有一种情况是样本量太小（n1=1 或 n2=1），t 分布自由度不足，
ttest_ind无法计算；此时应停止检验，补数据
真实业务中，t 检验只是起点。显著性容易刷出来，但效应量、业务逻辑一致性、多维度交叉验证，才是决定是否全量的关键。别让 p 值替你做决策。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
