对于这个问题，我们需要检验样本均值是否显著不同于已知的总体均值。具体来说，这是一种均值差异的假设检验问题。给定的总体均值是35小时，样本均值是39.5小时，样本标准差为7.77小时，样本量是36人。

以下是几种检验方法的适用场景：

- **F检验**：主要用于比较两个样本的方差，或者用于多组数据的方差分析（ANOVA）。不适用于检验均值差异。
- **t检验**：用于样本量较小的情况下（通常小于30），检验样本均值与已知总体均值之间的差异，或者两个独立样本均值之间的差异。
- **卡方检验**：用于检验两个分类变量之间的独立性，或用于频数分布的拟合优度检验。
- **z检验**：用于样本量较大（通常大于30），检验样本均值与已知总体均值之间的差异。

在这个问题中，虽然样本量是36（接近大样本），因样本量略超过30，我们可以使用 **z检验**（由于大样本量的特性）。但是由于提供的样本标准差而非总体标准差，**t检验**在实际应用中更为常见和合适，尤其是样本量不特别大时。

因此，结合实际情况和常规方法，应选择：
- **B: t检验**

### 分析步骤：

1. **设定假设**：
- 原假设 \( H_0 \)：小区居民平均运动时间与市平均时间没有显著差异（即，均值等于35小时）。
- 备择假设 \( H_1 \)：小区居民平均运动时间与市平均时间有显著差异（即，均值不等于35小时）。

2. **计算 t 统计量**：
\[
t = \frac{\bar{x} - \mu}{s / \sqrt{n}}
\]
其中 \(\bar{x} = 39.5\)，\(\mu = 35\)，\(s = 7.77\)，\(n = 36\)。

3. **插入数值**：
\[
t = \frac{39.5 - 35}{7.77 / \sqrt{36}} = \frac{4.5}{1.295} \approx 3.47
\]

4. **查找临界值**：
- 查找相应的 t 分布表，通常使用双尾检验和合适的显著性水平（如 0.05），自由度为 \(n-1 = 35\)。

5. **作出结论**：
- 若计算的 t 值超过临界值，则拒绝原假设，认为有显著差异。

在这一情况下，使用 t 检验更为妥当。