学生t检验，是一种统计方法，一种检验假设的方法，该假设关于在总体标准偏差未知的情况下从正态分布的总体中抽取的小样本的平均值。
1908年，以笔名Student出版的英国人William Sealy Gosset开发了t检验和t分布。t分布是一族曲线，其中自由度的数量（样本中独立观测的数量减去一个）指定了一条特定的曲线。随着样本大小（以及自由度）的增加，t分布接近标准正态分布的钟形。实际上，对于涉及大于30的样本均值的测试，通常采用正态分布。
通常首先要制定一个零假设，即假设观察到的样本均值与假设的或陈述的总体均值之间没有有效的差异，即，任何测得的差异仅是偶然的缘故。例如，在一项农业研究中，无效假设可能是肥料的使用对作物的产量没有影响，并且将进行一项试验来测试肥料是否增加了收成。通常，t检验可以是双面的（也称为两尾检验），简单地说明均值不相等，也可以是一侧，说明观察到的均值是大于还是小于假设均值。然后计算检验统计量t。如果观察到的t统计量比由适当参考分布确定的临界值极端，则将拒绝原假设。t统计量的适当参考分布是t分布。临界值取决于检验的显着性水平（错误拒绝无效假设的概率）。
例如，假设研究人员希望检验以下假设，即从均值μ= 75和未知标准差的总体中随机抽取n = 25，平均值x = 79，标准差s = 10的样本。使用t统计量的公式，计算出的t等于2。对于在显着性水平为α= 0.05的双向检验，来自24个自由度的t分布的临界值为-2.064和2.064。计算得出的t不超过这些值，因此不能以95％的置信度拒绝原假设。（置信度为1-α。）
t分布的第二个应用检验了以下假设：两个独立的随机样本具有相同的均值。t分布还可用于构造总体真实平均值的置信区间（第一个应用程序）或两个样本均值之间的差（第二个应用程序）。另请参阅间隔估计。
