单样本 t 检验是一种统计学方法，用于评估一个样本的均值是否与已知或假定的总体均值有显著差异。这种检验通常在我们想要验证某个特定群体的特征（如血压水平、身高、体重等）是否与某个标准值或理论值相一致时使用。

单样本 t 检验的基本假设包括：
1. 正态性假设：数据应来自一个正态分布的总体。这是 t 检验的一个重要前提条件，尤其是在样本量较小的情况下更为关键。当样本量较大时（通常认为大于30），即使数据稍微偏离正态分布，t 检验的结果仍然具有一定的可靠性。
2. 独立性假设：每个观测值之间应该是相互独立的。这意味着一个观测值不会对其他任何一个观测值产生影响。例如，在研究中，如果样本是从同一群体中随机抽取的，并且没有重复测量同一个个体，则可以认为满足独立性的要求。
3. 等方差假设：虽然单样本 t 检验主要关注的是均值而不是方差，但在某些情况下，我们也会假定数据来自具有相同方差的总体。然而，在实际应用中，这一假设通常不是特别严格的要求，因为即使方差不完全相等，t 检验仍然能够提供有效的结果。

在进行单样本 t 检验时，还需要明确零假设（H0）和备择假设（Ha）。零假设通常是说样本均值与总体均值没有显著差异；而备择假设则认为两者存在显著差异。根据检验的结果，我们可以决定是接受还是拒绝零假设。

在实际操作中，如果数据不完全满足上述假设条件，可以考虑使用非参数方法或对数据进行适当的转换以符合 t 检验的前提要求。