前面章節已經講述了三種類型T-檢驗的相關概念，不同的T-檢驗適用于何種情形，以及在進行T-檢驗之前需要確保數據呈現正態分布和方差齊性。本文將根據有關的案例繼續講述如何采用Minitab進行T-檢驗分析。

一家藥品生產商正在開發某種制劑產品，并從放大實驗中隨機抽取了10個樣本。結果如下：

  99.1%      105.1%      103.5%      110.0%       100.2%

106.2%        98.4%      101.3%      102.8%         97.9%

現在需要估計這些樣本結果是否與100%標示量的目標值存在顯著差別，或者說根據這些樣本結果，能否估計總體均值為100%，我們可以采用單樣本T檢驗進行樣本數據的分析。

在進行單樣本T檢驗之前，需要先進行數據的正態性檢驗，其分析步驟如下：

數據在Minitab電子表格中按如下方式排列：

選擇統計-基本統計-正態性檢驗，出現下面的對話框。在出現的對話框中，光標放在“變量”處，雙擊左側“C2”到右側的“變量”欄。繼續選擇“Anderson-Darling”并單擊 “確定”，以完成正態性檢驗。

其P值為0.754，大于0.05，說明數據符合正態分布的。這樣我們可以進行下一步的T-檢驗。

選擇統計-基本統計-單樣本t檢驗，出現下面的對話框。選擇“一個或多個樣本，每列一個”，放置光標在下面的“空白框”，雙擊左側“C2”到右側的“空白框”。繼續勾選“進行假設檢驗”并輸入“100”到“假設均值”。

選擇“選項”，出現下面的對話框。置信水平的默認值為95.0%，在“備擇假設”處選擇“均值 ≠假設均值 ”。

單擊“確定”兩次，完成數據分析，與此類似的圖形將會出現：

單樣本t檢驗可創建99.69至105.21的置信區間。因此，可以說有95％的可信度，放大生產過程中總體平均值在標示量的99.7％和105.2％之間。另外，結果表明使用這些樣本結果，估計總體均值等于100％的原假設不能被拒絕，因為t統計量為2.01，對應的p值為0.076＞0.05。換句話說，如果想要拒絕原假設，那么將有7.6％的機會犯錯。如果要求的置信度為95％，則拒絕原假設是不可接受的。

藥品生產商正在開發某產品貼片，用于商業放行。某一時刻，制造商正在比較兩個試驗批次的貼片附著力，結果列于下表。根據粘附質量（g/part），這兩個最新的試驗批次之間的附著力是否有顯著差異？該處樣本數量不相等（n1 = 20，n2 = 18）。

在進行t-檢驗之前，先要檢驗兩組數據的正態性以及方差齊性，其Minitab中的分析步驟如下：

假設數據在Minitab電子表格中按如下方式排列：