您可以进行配对 t 检验。

在 R 中，t.test(surfOM,meanOM,paired=TRUE)

这将为您提供差异平均值的 p 值和置信区间。仅当湖泊是大量湖泊的样本时，这些才真正有意义，而不是如果您拥有人口中所有湖泊的数据（例如，某个地理区域中的所有湖泊，或某种感兴趣的所有湖泊） ）。

当我听到“A 往往大于 B”这句话时，听起来 A 在很多时候都大于 B，比如超过 50% 的时间。这可能发生在大于时，但也可能发生在大于 ...但。$\mu_{A}$$\mu_{B}$$\mu_{A}$$\mu_{B}$$P(A > B) < 0.50$

（对于我所得到的一个具体示例，让 B 相同 1/2，并让 A 将概率置于零，并将其剩余概率置于某个整数上。我们可以使尽可能小，但我们可以尽可能大。）$1 - p$$p$$n \geq 1$$P(A > B)$$p \to 0$$\mu_{A}$$n \to \infty$

最重要的是，看起来你的“B”本身就是一个“意思”，这使语言复杂化。

因此，我的第一个想法是尝试弄清楚您是否对更感兴趣，或者您是否更愿意对更感兴趣。如果您对均值感兴趣，那么 t 检验应该没问题。$\mu_{A} > \mu_{B}$$P(A > B) > 0.50$

如果您对更感兴趣，您可以考虑Sign Test。这是一个非参数测试，它对假设很轻，你不需要那么担心异常值。如果您还可以说有机物差异的分布是对称的，则可以做得更好，并进行Wilcoxon Signed Rank 检验。$P(X > Y)$

无论如何，假设您对分布无话可说，并假设它们适用于符号测试。上面给出的数据有 9 对中有 8 对 A 大于 B。对于这些数据，在 R 中，你会做

binom.test(8, 9, alt = "greater")

输出将给出一个 p 值和 95% 的单边 Clopper-Pearson 置信区间（通常是保守的）。