一、適用情況不同

t檢驗一般適用於兩組，所以在多維的情況下，不適用t檢驗，而F檢驗可以判定多組、一組多變量和多組間有交互（單因素、協方差、雙因素無重複、雙因素有重複等），然後在通過兩兩比較進行分析，用duncan和tukey等方法去判定，F檢驗的範圍要大的多。

二、條件不同

簡單來說就是實用T檢驗是有條件的，其中之一就是要符合方差齊次性，這點需要F檢驗來驗證t檢驗的前提是方差齊，只有方差齊了，t檢驗的結果才反應兩組數據的是否有差異，否則如果方差不齊的話，會把組內的差異也考慮進去，所以判定的概率就更寬鬆。

而F檢驗其實就是看組間差異和組內差異的比較，所以本質上和t檢驗方差齊的概念相似。但是實際上在方差不齊的時候是無法進行t檢驗的，結果不具有統計學意義。

擴展資料

t檢驗有單樣本t檢驗，配對t檢驗和兩樣本t檢驗。

1、單樣本t檢驗：是用樣本均數代表的未知總體均數和已知總體均數進行比較，來觀察此組樣本與總體的差異性。

2、配對t檢驗：是採用配對設計方法觀察以下幾種情形：兩個同質受試對象分別接受兩種不同的處理；同一受試對象接受兩種不同的處理；同一受試對象處理前後。

F檢驗又叫方差齊性檢驗。在兩樣本t檢驗中要用到F檢驗。從兩研究總體中隨機抽取樣本，要對這兩個樣本進行比較的時候，首先要判斷兩總體方差是否相同，即方差齊性。若兩總體方差相等，則直接用t檢驗，若不等，可採用t'檢驗或變量變換或秩和檢驗等方法。

其中要判斷兩總體方差是否相等，就可以用F檢驗。若是單組設計，必須給出一個標準值或總體均值，同時，提供一組定量的觀測結果，應用t檢驗的前提條件就是該組資料必須服從正態分布；若是配對設計，每對數據的差值必須服從正態分布。

若是成組設計，個體之間相互獨立，兩組資料均取自正態分布的總體，並滿足方差齊性。之所以需要這些前提條件，是因為必須在這樣的前提下所計算出的t統計量才服從t分布，而t檢驗正是以t分布作為其理論依據的檢驗方法。

簡單來說就是實用T檢驗是有條件的，其中之一就是要符合方差齊次性，這點需要F檢驗來驗證。