u检验的定义：
已知从正态母体N(u,σ2)中抽得容量为n的子样，求得子样的均值x，而且假设母体的方差σ2 为已知值，那么可利用统计量
u = (x - μ) / (σ / √n) ~ N(0,1)
检验母体期望μ是否与某一常数相符进行检验。
（意思是说，我们假设的μ是母体均值，n是样本数，构造了u，u服从正态分布，其均值为0，中误差为1）
正态分布，可以网上查，就是对某个测量量，均值+误差的概率情况。
（标准正态分布曲线，假设均值u等于0；如果不是标准正态分布曲线，那么u相当于向左向右偏）
例如：对一短距离，测量10000次，得到中误差±σ10000 ，已经非常接近1σ 了。
而测了100次，可能得到的中误差在±1σ到±2σ之间。
(所以有一种说法，就是如果做了大量测试，得到某个均值a，中误差σ' (因为我们永远不知道真正的σ，毕竟不能做无限次测试)，假如另外再测一次，得到的值为b ， 如果|b - a| > 2σ ，那么认为b是噪点，毕竟从正态分布来看，大于2σ的值概率已经小于5%了)
那么，u分布到底是怎么回事呢？
(1) 假如已知母体方差σ2 ，意思应该是，已知一个仪器测量的方差 。 (仪器的方差，也是通过大量测试一个量，求方差得出来的，很接近真的σ)
(2) 子样的均值x ，意思应该是，测了多次，例如：1.01，1.01，1.019，1.00，0.999，……，然后求出均值，假如为x，但是≠1
(3) 母体期望μ ， 就是说我们假设的一个值。例如上面，样本均值为x≠1，但是很接近1，那么可以假设μ = 1
（为什么不干脆说，母体期望μ 直接就等于x好了，干嘛多次一举？因为任性…… 如果都这样的话，就不需要搞u检验了，u检验没意义，相当于主观的100%认定μ=x，没必要检验）
将u平方一下，看看能不能发现什么东西：
u² = (x - μ)² n / σ ² ， 看来u² 就是(x - μ)² n 和 σ ² 的比值 。 如果x - μ 非常小 ， 即使n很大，其比值也很小；如果x - μ一般般， n很大，那么比值就很大。
那么，说明了，μ 稍有猜得不对，会造成大的影响。
应验了那句话：假设检验是以小概率事件，在一次实验中是不可能发生为前提(事实上是有可能发生的，但不是这样说的话，就落入一个圈，不能继续玩了)，来否认原假设。
那么，如何检验？
在假设检验前，还有yi'jian