统计 / 测试
T检验计算器（单样本、双样本、配对）
对数据进行单样本、双样本（Welch或Student）或配对t检验，可选择双侧或单侧检验，并获得t值、自由度、p值和均值。
T检验计算器（单样本、双样本、配对）: t统计量等于均值差除以标准误。Welch检验使用每组各自的方差和Welch–Satterthwaite自由度；Student检验合并方差；配对检验则是对差值进行单样本检验。p值来自Student t分布，在浏览器中计算，并与SciPy进行核对：对于示例组，Welch的t=3.40，p=0.0055。 完全在浏览器中本地运行，文件不会上传到服务器。
- 类别
- 学习工具
- 使用次数
- 在浏览器中
- 费用
- 免费·无需注册
- 可用性
- 可直接使用
完全在浏览器中运行
在5%显著性水平上显著（p < 0.05）：如果不存在实际差异，这一结果不太可能出现。
t检验用于判断一个均值是否与某个值存在超出随机误差所能解释范围的差异，或两个均值之间是否存在这样的差异。Welch检验不假定方差相等，是比较两组数据时更稳妥的默认选择；配对检验比较同一组对象的两次测量结果。它假定数据大致服从正态分布，或样本量足够大。较小的p值表示差异不太可能是由随机误差造成的，但不表示差异一定很大或很重要。
解读结果
p表示如果真实均值相等，出现至少这么大差异的概率。低于0.05通常被视为具有显著性的阈值，但这只是惯例，并非定律；请报告准确的p值。
如果有两组以上，请使用单因素ANOVA计算器，而不要进行多次t检验，因为这会增加假阳性的概率。
假设条件
t检验假设观测值相互独立，且数据大致服从正态分布；或者样本量足够大（每组约30个或更多），使均值接近正态分布。明显的离群值可能会导致结果误导。
如果要了解单个数值有多不寻常，请改用z分数计算器。
使用方法
- 选择检验类型：单样本、双样本或配对。
- 粘贴每组的数值；进行单样本检验时，还要输入用于比较的数值。
- 选择双侧或单侧检验，然后查看t值、自由度和p值。
隐私与限制
您的数据会保留在浏览器中。
相关工具
常见问题
我应该使用哪种双样本检验？
除非您有充分理由假设方差相等，否则应使用Welch检验：当方差相等时，它的检验效能大致相同；当方差不相等时，它则安全得多。
什么时候适合使用配对检验？
当一个列表中的每个数值都对应另一个列表中的一个数值时，例如同一批人在处理前后测得的数据，或匹配样本对。
p值显著是否意味着效应很大？
不一定：样本量较大时，很小的差异也可能达到显著水平。除了p值，还应报告均值差以及Cohen's d等效应量。
免费工具·使用在浏览器中次·无需账户