等效性核验：检验之前定义可接受差异
没有检出差异，不等于已经证明两个研究流程足够接近。噪声很大的比较可能无法拒绝零，同时仍允许实质上不可接受的差异。等效性研究要先规定可接受的平均差，再判断数据能否排除达到或超出这些边界的情况。
交付应包括预先设定的界值、正确的配对分析，以及区分均值等效、存在非零差异和精度不足的决策表。均值等效不能直接说明每份文档结果可互换，这两个目标对应不同的证据要求。
采集前定义方向和容许界
假设旧流程与新流程处理相同归档文档，结果是完成时间，单位分钟。定义d为新减旧，正值表示新流程更慢。在这个假设运营决策中，相关人员事先决定平均变化严格位于−2至+2分钟可以接受。
两分钟需要实际用途解释，例如下游排程能容忍这一平均变化，同时维持要求的工作质量。不能因为试验区间刚好装得进去，就倒推选两分钟。要保存合格文档人口、计时口径、失败处理及目标量。如果真正要求是几乎每份文档都不超过两分钟差，本篇的均值等效设计就没有回答实际问题。
statsmodels配对TOST官方文档说明使用两个单侧t检验处理配对均值差，函数方向为x1减x2。因此按本文约定应让x1为新流程、x2为旧流程。应保留配对身份，不能因页面个别参数描述用了通用独立样本文字，就把两个读数拆成独立组。
把原假设完整写出
总体平均差记为mu。非等效原假设是mu≤−2或者mu≥2；等效备择是假定−2<mu<2。在alpha为0.05时，两项单侧检验必须分别拒绝各自边界原假设。
若有n个独立文档配对，差值近似满足正态模型，SE为差值标准差除以√n，自由度n−1。下边界统计量为(平均差+2)除以SE，查上尾；上边界统计量为(平均差−2)除以SE，查下尾。合并TOST的p值取两项单侧p值较大者，不是相加，只通过一侧也不足以等效。
对应区间规则是双侧百分之九十t区间严格落在[−2,2]内部。每项单侧检验仍用百分之五，不需要再次把这两项的alpha各拆成百分之二点五。边界恰好接触时，应按事先规定的严格界和精确数值判断，不能用舍入后的显示结果偷换通过条件。
两个都未检出零差异的研究
设n为25对，自由度24，t分布第九十五百分位约1.710882。构造两组样本汇总。
| 研究 | 平均差 | SE | 百分之九十区间 | 均值等效判断 |
|---|---|---|---|---|
| A | 0 | 0.584494 | [−1,1] | 两侧都在界内 |
| B | −1.5 | 1.461235 | [−4,1] | 未排除下边界 |
A的区间半宽是1.710882乘0.584494，等于1，两项单侧检验都能排除边界，因此支持事先定义的平均等效。
B的半宽为2.5，区间允许低于−2的平均变化，不能建立等效，即使它也允许零。限制它的是下边界检验：(−1.5+2)除以1.461235，约0.342，不能在百分之五水平拒绝。未建立等效，也不等于已证明真实均值在容许界外，应保留无结论状态。
普通双侧百分之九十五均值差区间用24自由度、约2.063899的临界值。A约为[−1.206,1.206]，B约为[−4.516,1.516]，两者都含零。如果只贴“差异无统计显著性”，就会把精度明显不同的研究压成同一个结论。
由于√25为5，上表SE对应的配对差SD均为SE的五倍，不是两独立组标准误。真实研究必须保存原始配对差，汇总表无法单独诊断偏态、依赖或选择性失败，也不能用四舍五入后的SE重新生成唯一原始数据。
可检出的差异也可能足够小
第三个研究C仍用25对和同一界值，设平均差0.5、SE为0.1。百分之九十区间约[0.329,0.671]，完整位于界内；普通百分之九十五区间约[0.294,0.706]，不含零。
因此C可以同时支持“平均差非零”与“按两分钟界值均值等效”。两者不冲突：一个比较精确的零，一个比较实质不可接受的差异。更准确的文字是“存在小幅正平均时间差，仍位于预设均值容许界内”，不必强迫它只能归入完全相同或不同。
这些数字不验证两分钟是否合理。如果实际用途需要更窄界值，观测不变，等效结论也可能改变。因此容许界的理由属于设计记录，不是p值出来后的装饰。
个体差与缺失机制另行保留
平均会抵消差异。某些文档新流程慢很多，另一些快很多，仍可能得到接近零的均值。即使均值等效，对有严格逐份截止时间的文档也可能不能替代。应检查差值分布；若实际目标是个体互换，需另设个体容许界并做一致性研究。
自然配对还要求分析层级上的独立性。从同一个任务重复拆出二十五份高度相关文档，未必提供简单t模型假定的信息。总按固定顺序跑旧流程再跑新流程，也可能引入学习或缓存效果，应在设计时安排顺序及执行条件。
失败与缺测需要采集前固定规则。只删除新流程失败项，会让剩下容易完成的样本看似时间等效。应同时报告分析人口、失败数量及其分布。完整配对时间分析不能证明成功率等效，也不能证明输出准确性等效。
可复核的执行顺序
| 阶段 | 必需证据 | 不满足时如何处理 |
|---|---|---|
| 定义 | 目标均值、方向、单位、界值 | 暂缓等效声明 |
| 采集 | 配对标识、版本、计时、失败状态 | 修复连接并保留失败 |
| 诊断 | 差值分布及依赖结构 | 修订模型或采集设计 |
| 计算 | 均值、SD、SE、自由度、两单侧结果 | 两个边界都保存 |
| 交叉核验 | 百分之九十区间与原界值 | 与检验冲突时追查原因 |
| 报告 | 等效状态及百分之九十五差异区间 | 区分精度与实际意义 |
软件结果冲突时，先查配对顺序、权重、转换、缺失处理及差值方向，不要先改容许界。官方函数页是方法参考，本文数值是可独立复算的t分布例，不声称已用该软件处理真实流程样本。
按预定方案新增独立配对，可以提升精度并解决不确定比较；流程版本、计时定义或容许界变化，则形成新的研究规格，应保留原判断并给更新日期。不断采集直到区间刚好通过，需要另外设计顺序分析，不能把多次查看结果自动当成一次固定研究。
用触及边界的例子检查实现
另构造25对的汇总，平均差−0.5，SE为1.5除以1.710882，约0.876741，百分之九十区间为[−2,1]。下边界单侧检验恰在百分之五阈值，统计量等于24自由度t分布第九十五百分位。按本文严格位于内部的约定，触及界值不能建立等效。
显示端点−2.00还可能掩盖略在内部或外部的未舍入值，因此应以全精度计算决定，而不是从显示的两位小数判断。审计输出要保存两项尾概率、数值精度和比较约定；软件与区间检查冲突，应先追查复现问题，不能选择恰好通过的表示方式。
这个边界例不是临时增加另一种实际界值，而是检验实现是否遵守原先规则。对A同样如此：它支持已指定的平均目标，不能升级成每份文档都接近。如果最终系统使用了权重、对数尺度或非完整配对，原来的简单t计算就不再自动对应实际程序，应重新说明目标及方法。
也要区分双侧等效与只关注变慢的一侧非劣效要求。若业务真正只担心新流程平均慢过两分钟，而对明显加快没有限制，研究问题就改变了；应在采集前选相应单侧设计，不能在TOST某一侧失败后才宣称原来只关心另一侧。
最终报告可将普通差异证据和等效证据并排，而不让两者互相替代。结果可能支持小但非零的可接受变化，也可能两项都无结论。保留这样的状态比强行写成“完全一样”更有助于决定是否补样本、限制用途或重做流程。
界值记录还要说明由谁为哪项决策制定。复核者若对可接受的平均延迟本来就有分歧，应先解决用途问题，再解释检验结果。同一数据可以支持一个预定用途，却不足以支持更严格用途；保留两套明确规格，差异才可解释。不能让统计软件替运营方决定什么损失可以接受，也不能把原用途通过的结论移给未经讨论的新目标。
常见问题
普通差异检验p值大能否证明等效？
不能。B无法拒绝零，却仍允许不可接受的均值差。等效要求同时排除预设两侧边界。
TOST通过是否说明每份文档都可互换？
本例TOST仅针对总体平均差。个体差额、失败率与准确性需要其他证据。