# Калькулятор t-теста

Выполняет одно- или двухвыборочные t-тесты по исходным данным и показывает t-статистику, степени свободы и p-значение

> Каноническая страница: https://elysiatools.com/ru/tools/t-test-calculator

- **Категория:** Math & Numbers

- **Ключевые слова:** t-тест, проверка гипотез, сравнение средних, p-значение, статистика, калькулятор

## Обзор

Калькулятор t-теста позволяет быстро проводить статистический анализ данных, выполняя одновыборочные и двухвыборочные t-тесты для проверки гипотез о средних значениях.

## Входные данные

- **Тип теста** (select)
- **Выборка A** (textarea): Enter numbers separated by commas, spaces, or new lines
- **Выборка B (необязательно)** (textarea): Required for two-sample t-test
- **Предполагаемое среднее** (text): Required for one-sample t-test
- **Альтернативная гипотеза** (select)
- **Десятичная точность** (number)

## Когда использовать

- Когда нужно сравнить среднее значение одной выборки с известным целевым показателем.
- Когда необходимо определить, есть ли статистически значимая разница между средними значениями двух независимых групп.
- При проведении научных исследований или анализе данных для подтверждения гипотез с помощью p-значения.

## Как это работает

- Выберите тип теста: одновыборочный для сравнения с константой или двухвыборочный для сравнения двух групп.
- Введите данные выборок в соответствующие поля, разделяя числа запятыми, пробелами или переносами строк.
- Укажите альтернативную гипотезу и настройте точность вычислений.
- Нажмите кнопку расчета, чтобы получить t-статистику, степени свободы и p-значение.

## Сценарии использования

- Анализ эффективности новой методики обучения путем сравнения результатов контрольной и экспериментальной групп.
- Проверка соответствия качества продукции заданному стандарту на основе замеров случайной выборки.
- Сравнение средних показателей конверсии двух вариантов дизайна веб-страницы (A/B тестирование).

## Частые вопросы

### Что такое t-тест?

Это статистический метод, используемый для сравнения средних значений двух групп или одной группы с заданным числом.

### В чем разница между одновыборочным и двухвыборочным тестом?

Одновыборочный тест сравнивает среднее выборки с конкретным числом, а двухвыборочный сравнивает средние двух разных наборов данных.

### Что показывает p-значение?

P-значение указывает на вероятность того, что наблюдаемые различия случайны. Обычно значение менее 0.05 считается статистически значимым.

### Какие форматы данных поддерживает калькулятор?

Вы можете вводить числа, разделяя их запятыми, пробелами или новыми строками.

### Что такое альтернативная гипотеза?

Это условие проверки: двусторонняя (различие есть), больше (среднее первой группы больше) или меньше (среднее первой группы меньше).

## Связанные инструменты

- [Анализатор аминокислотного состава](https://elysiatools.com/ru/tools/amino-acid-composition): Анализирует состав последовательности: подсчёт и мольные проценты каждой из 20 стандартных аминокислот; суммы по группам (основные K/R/H, кислые D/E, ароматические F/W/Y, серосодержащие C/M, алифатические A/I/L/V, амидные N/Q, гидроксильные S/T, прочие G/P); GRAVY по значениям гидропатии Kyte–Doolittle 1982 (>0 гидрофобный сдвиг, <0 гидрофильный; растворимые глобулярные белки обычно между −1 и +0,3); плюс молекулярная масса по таблице средних масс ProtParam. Коды неоднозначности (B/J/O/U/X/Z) считаются отдельно и исключаются из процентов. Источники: Kyte & Doolittle 1982, ExPASy ProtParam, Lehninger. Только для обучения.
- [Анализатор среднего объёма тромбоцитов (MPV)](https://elysiatools.com/ru/tools/mean-platelet-volume-analyzer): Анализирует средний объём тромбоцитов MPV (фл). Референс ~7.5–11.5 фл. Низкий MPV (< 7.5 фл, мелкие старые тромбоциты) указывает на угнетение продукции: апластическая анемия, химио/лучевая терапия, недавняя трансфузия тромбоцитов, ранняя регенерация железодефицита, синдром Вискотта-Олдрича. Высокий MPV (> 11.5 фл, крупные молодые тромбоциты) предполагает периферическую деструкцию с компенсаторным кроветворением или макротромбоцитопению: ИТП, после спленэктомии, миелопролиферативные новообразования (ЭТ/ХМЛ/МФ), тяжёлый сепсис в восстановлении, Bernard-Soulier/MYH9, мегалобластная анемия, острый инфаркт миокарда (маркер активации и неблагоприятного сердечно-сосудистого прогноза). MPV с количеством тромбоцитов уточняет диагноз: низкие тромбоциты + высокий MPV → периферическая деструкция (ИТП, ТТП, восстановление ДВС); низкие + низкий → гипопродукция; высокие + низкий → реактивный тромбоцитоз; высокие + высокий → миелопролиферативное новообразование. Ограничение: в ЭДТА-крови тромбоциты набухают (~2 ч), повышая MPV; зависит от метода (импеданс > оптический > иммуно) — сравнивайте в одной лаборатории и на одном анализаторе. Источники: Bath 1996, Leader 2012, Vagdatli 2010, MDCalc. Не медицинская консультация.
- [Дисперсионный анализ ANOVA](https://elysiatools.com/ru/tools/anova-analysis): Выполнить однофакторный дисперсионный анализ (ANOVA) для сравнения средних значений между группами
- [Анализатор Корреляции](https://elysiatools.com/ru/tools/correlation-analyzer): Продвинутый инструмент корреляционного анализа, который вычисляет коэффициенты корреляции между переменными для измерения силы и направления их линейных отношений. Идеально подходит для статистического анализа, финансового моделирования, научных исследований и исследования данных. Возможности: - Множественные методы корреляции (Пирсон, Спирмен, Кендалл) - Генерация корреляционной матрицы - Статистическая проверка значимости (p-значения) - Расчет доверительных интервалов - Визуализация тепловой карты - Генерация матрицы диаграмм рассеяния - Стратегии обработки пропущенных значений - Обнаружение и обработка выбросов - Возможности группового анализа - Подробные статистические отчеты Общие случаи использования: - Финансовый рыночный анализ и оценка рисков - Научные исследования и проверка гипотез - Анализ поведения клиентов и маркетинг - Анализ медицинских и медицинских данных - Контроль качества и оптимизация процессов - Оценка образовательной эффективности
- [Обработчик Границ Данных](https://elysiatools.com/ru/tools/data-boundary-processor): Продвинутый инструмент обработки границ, который определяет и обрабатывает минимальные и максимальные значения в числовых данных. Идеально подходит для валидации данных, проверки диапазонов, статистического анализа и предварительной обработки данных.
- [Дедупликатор Данных CSV](https://elysiatools.com/ru/tools/data-deduplicator): Удаление дублирующихся записей на основе комбинаций столбцов
- [Ограничитель Диапазона Данных](https://elysiatools.com/ru/tools/data-range-limiter): Ограничение числовых значений указанными диапазонами путем обрезки, фильтрации или маркировки значений вне диапазона. Идеально для контроля качества данных, очистки данных сенсоров, применения бизнес-правил и предварительной обработки данных. Возможности: - Обрезка диапазона (обрезает значения до минимальных/максимальных границ) - Фильтрация диапазона (удаляет строки вне пределов) - Маркировка диапазона (маркирует измененные значения) - Конфигурация диапазона по столбцам - Автоматическое обнаружение числовых столбцов - Множественные стратегии обработки - Подробный отчет об изменениях - Статистический анализ изменений - Применение бизнес-правил Общие случаи использования: - Валидация и очистка данных сенсоров - Подготовка входных данных для машинного обучения - Контроль и валидация качества данных - Применение бизнес-ограничений - Управление и контроль аномальных значений - Конвейеры предварительной обработки данных
- [Нормализатор Z-Score](https://elysiatools.com/ru/tools/data-zscore-normalizer): Стандартизация числовых данных с использованием Z-Score (стандартная оценка) для преобразования значений со средним=0 и стандартным отклонением=1. Идеально для статистического анализа, предварительной обработки машинного обучения, обнаружения аномалий и сравнения данных в разных масштабах. Возможности: - Нормализация Z-Score (среднее=0, стандартное отклонение=1) - Опция устойчивого Z-Score (используя медиану и MAD) - Пользовательское масштабирование до целевого диапазона - Выбор нескольких столбцов - Автоматическое обнаружение типов данных - Интеллектуальная обработка пропущенных значений - Сохранение нечисловых столбцов - Комплексная статистическая сводка - Обнаружение и отчетность аномалий Общие случаи использования: - Подготовка признаков для машинного обучения - Статистическая проверка гипотез - Обнаружение и удаление аномалий - Сравнение данных в разных единицах - Предварительная обработка для анализа главных компонентов (PCA)

## Примеры

- [Примеры Обработки Изображений Web Python](https://elysiatools.com/ru/samples/web-image-processing-python): Примеры обработки изображений Web Python используя PIL/Pillow включая чтение, сохранение, изменение размера и преобразование формата
- [Примеры Обработки Изображений Android Java](https://elysiatools.com/ru/samples/android-image-processing-java): Примеры обработки изображений Android Java включая чтение/сохранение, масштабирование и преобразование формата
- [Примеры Обработки Изображений Android Kotlin](https://elysiatools.com/ru/samples/android-image-processing-kotlin): Примеры обработки изображений Android Kotlin включая чтение/сохранение, масштабирование и преобразование формата
- [Примеры Обработки Изображений Web Rust](https://elysiatools.com/ru/samples/web-image-processing-rust): Примеры обработки изображений Web Rust включая чтение/запись, масштабирование и преобразование форматов

## Связанные материалы

- [Инструменты статистического анализа, тестов и распределений](https://elysiatools.com/ru/hubs/statistical-analysis-tools): Суммируйте числовые данные, измеряйте разброс, сравнивайте группы, считайте неопределенность и моделируйте связи.