可以利用 python 中的 scipy.stats.ttest_ind 做關於兩組資料的雙邊 t 檢驗，結果比較簡單。但是做 大於或者小於的單邊檢測的時候需要做一些處理，才能得到正確的結果。

from scipy import stats
import numpy as np

A = np.array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
B = np.array([ 0, 2, 5, 6, 8, 10, 13, 14, 17, 20])

很顯然，A的均值為4.5，B的均值為9.5. 為了檢測這種差異是否顯著，我們做個單邊的 t 檢驗，證實這種差異的顯著性。

這裡備擇假設應該為我們想要證明的假設，即 B>A.

現在我們呼叫 scipy.stats.ttest_ind(x, y) 函式，這個函式預設我們想驗證 x.mean()-y.mean() 這個假設。為了在計算的過程中得到正數，我們 呼叫 stats.ttest_ind(B,A)，這裡設定方差不相等。

stats.ttest_ind(B,A,equal_var= False)

# 程式執行結果
Ttest_indResult(statistic=2.204452592164665, pvalue=0.04653783266614884)

根據 scipy.stats.ttest_ind(x, y) 文件的解釋，這是雙邊檢驗的結果。為了得到單邊檢驗的結果，需要將 計算出來的 pvalue 除於2 取單邊的結果(這裡取閾值為0.05）。

所以這裡我們可以拒絕原假設，即接受備擇假設，A < B。

作為驗證，我們還可以根據自由度和置信區間（95%）查詢 t 值驗證結果是否正確。

通過在 t 分佈 表上查詢，得到

這裡 t > tcrit, 還是拒絕原假設。