引用的句子：

这是对 2 个独立样本具有相同平均值（预期）值的零假设的双边检验。

是指总体均值而不是样本均值；否则会产生误导，当然应该更清楚，但他们至少说“（预期）值”，这只能是对从中抽取样本的总体均值的参考。

但是，您被它误导是可以理解的，如果一个学生写道，我肯定会将其标记为错误的（因为它似乎确实表明它是样本意味着正在测试相等性，就像它对您所做的那样）。

因此，我认为它们的真正含义是零假设是两个样本都来自相同的分布。那是对的吗？

通常人们希望用这个假设检验来检验的假设是，但是当伴随着通常的等方差两个样本 t 检验的假设时，这与说它们来自相同的分布是一样的。方差相等的假设是此测试的 scipy 实现的默认设置，但否则设置它不假设方差相等，然后 null 并不意味着分布相同。$H_0: \mu_X=\mu_Y$

许多常用的假设检验都是如此——空值（与假设结合时）相当于假设分布相等。

更准确一点，请参阅您引用的文档

equal_var :布尔值，可选

如果为 True（默认值），则执行假设总体方差相等的标准独立 2 样本检验[R263]。如果为 False，则执行 Welch t 检验，该检验不假定总体方差[R264]相等。

因此，它对独立样本执行学生或韦尔奇 t 检验。顺便说一句，建议在进行 t 检验时进行 Welch 检验，为什么人们更愿意假设（或检验）方差相等，而不是总是使用 df 的 Welch 近似值？.