※ 引述《purin3 (进化成胖可丁了)》之铭言：
: 直接用统计结果来显示 网络上有几份最后一次北模VS学测成绩的比较表
: 用EXCEL下去跑回归曲线 顺便计算几个基本的统计量关系
: 1、预测准确程度：第三次北模>第二次北模>第一次北模(以前北模有三次)
: (这个满好理解的，范围比较大、时间比较晚都会比较准确)
: 2、最后一次北模(A)与学测成绩(B)差异
: (1)平均来说，B-A=1.4，也就是学测会比最后一次北模高一些。
: (2)但这与你所在的级分位置有关，
: 如果你在50级分上下，平均约进步3.5级分，
: 如果在70级分上下，平均约进步0.3级分。
: (3)A与B呈现高度正相关，决定系数为0.7929；
: 也就是八成已经决定了！剩下两成的努力空间。
: (4)MAX(B-A)=33；MIN(B-A)=-23。
: 3、这份统计资料来自植物园高中，102最后一次北模与学测成绩比较，
: 是否能推论到其他学校与其他年度，也有待确定。
: (另外一个方式说，用贵校去年的资料，会相对准确一些)
敝人不才，看到以上这个分析，
就让我手痒想来检测看看平均而言差1.4级分在统计上到底算不算显著
所以我用R Studio下去跑学生t检定，跑的资料就是这份102年的统计资料
我的假设如下：
H0(虚无假设):学测成绩平均级分小于等于北模成绩平均
上面这句话的意思代表两件事情：
1. 你在最后三十天的努力是没用的甚至更惨
2. 你老师只是在安慰你。
Ha(对立假设，要是H0被拒绝则用这条)：学测成绩平均大于北模成绩平均
这句话就代表你的努力是有意义的。
程式码附在下面
> dat = read.csv("北模学测成绩比较.csv")
##我先把档案换成csv档，不然不能用
> before = dat$模考
> after = dat$学测
> t.test(after, before, alternative = "greater", paired = TRUE, conf.level=0.95 )
##抱歉上面这行有点长，自己复制的时候注意一下
最后得到的结果如下
paired t-test
t=11.777 df=1233 p-value<2.2E-16
t在df=1233下的临界值大概是1.64，老实说这已经很接近常态分布
但是这不是重点，来检验吧！
在做t检定的时候，我们的t值要是大于临界值
我们就会拒绝虚无假设(Reject H0)
同时，要是我们的p值小于我们的显著水准
我们也会拒绝虚无假设
在这个例子里面，我们的信心水准定95%，也就是显著水准0.05
显然t值11.777是大于1.64的，
故以t值检验，我们会拒绝H0
又，我们的p-value小于2.2*10^-16，
故以p-value检验，我们一样会拒绝H0
所以采用Ha的结果就是，
我们在最后几天努力还是有意义的！(洒花)
可喜可贺，可喜可贺。
※Reference:
沈明来，《生物统计学入门》第六版（九州图书，2016.9）
白经济，〈统计术语小教室：你说的是真的吗？〉
网址：https://talkecon.com/statistics101/