对不相等的样本量进行 t 检验很好，但是，功效不如相等的样本量。

1:) 是或否。不可能在不绘制异常值的情况下说。更重要的是，你能假设你的数据是正态分布的吗？你检查过QQ图吗？你检查过直方图吗？它们看起来接近正态分布吗？尽管只要样本量足够大，t 检验就对非正态数据具有稳健性，但您的数据不应表现得离正态太远。

当您考虑异常值时，请问自己以下问题：

• 有多少异常值？如果你有很多，t 检验可能不合适。
• 为什么是异常值？如果这是一个随机错误（你只是不走运），你可以将它包含在 t 检验中。如果是系统性错误，请停止测试，返回并检查您的数据。
• 你如何定义异常值？
• 这些异常值看起来对称吗？如果是这样，您可能会假设您的样本来自正常人群。您可以检查数据的偏度。

您必须尝试了解这些异常值才能做出决定。

2 :) 您可以解释为“均值差异的概率是（或不）显着”。

3 :) 你应该为每组画一个箱线图。

1）也许，记住你假设一个正态分布，如果你不满足这些假设你没有运行一个有效的测试。

2）您正在测试差异是否为零，即在我的置信区间中没有差异=零。

3）条形图是最容易理解的，因为您可以看到差异。箱线图提供更多信息，但仅供技术人员使用。