情境
你有 A、B 兩條產線，生產同一款零件。同事說 B 線良率比較差，你看了一眼數字——A 線平均 97.2%，B 線 96.8%——差了 0.4%。你說：「差不多啦，應該是隨機的。」
你同事說：「你怎麼知道是隨機的？」
這就是 t-test 要解決的問題。
白話翻譯
兩樣本 t-test 的問題很單純：
這兩組的平均值差異，是真的有差，還是抽樣時的運氣不同？
t 值 = 兩組平均值差距 ÷ 合併標準誤差。差距越大、資料越集中，t 值越大，P 值越小。
三種 t-test：
- 單樣本：一組數據，比對一個目標值（零件平均值是否等於設計值 50mm）
- 雙樣本：兩組獨立數據互相比較（A 線 vs B 線）
- 配對 t-test：同一批樣本，改善前後比較（最常用在工廠改善驗證）
實戰判斷
配對 t-test 是工廠最好用的統計工具之一。
改善前量 20 件，改善後量同 20 件，配對 t-test 直接告訴你「改善有沒有用」，不被其他干擾因素（換班、換料）影響。
t-test 的前提：
- 數據符合常態分布（n < 30 時要確認）
- 兩樣本變異數相等（不等時用 Welch's t-test，大多數軟體自動處理）
InsightFab 怎麼做
上傳兩欄數據或選擇分組欄位，InsightFab 自動判斷要用哪種 t-test，輸出結論：「A/B 兩線存在統計顯著差異（P = 0.023），B 線平均低 0.4%，建議調查 B 線特有的干擾因素。」
金句
「工廠裡的直覺值得信任，但直覺加上 t-test，才是讓主管買單的標準答案。」