关键信息
- 分类
- 数学、日期与金融
- 输入类型
- textarea, number, select
- 输出类型
- json
- 样本覆盖
- 4
- 支持 API
- Yes
概览
配对 t 检验计算器是一款专为统计分析设计的在线工具，能够根据同一组对象在不同条件下的前后测量值，或直接输入已计算的配对差值，快速执行配对样本 t 检验。该工具自动计算 t 统计量、p 值和自由度，并根据设定的显著性水平判断是否拒绝原假设，适用于医学研究、教育评估和产品测试等领域的数据对比分析。
适用场景
- •需要评估某种干预措施（如新药治疗、培训课程）对同一组受试者产生的前后效果差异时。
- •比较同一组样本在两种不同测试条件或不同测量仪器下的结果一致性时。
- •已知配对样本的差值数据，需要快速验证其均值是否显著偏离假设值（通常为 0）时。
工作原理
- •在“前测数据”和“后测数据”文本框中分别输入两组对应的数值，或直接在“差值数据”中输入已计算好的差值。
- •根据研究需求，设置假设平均差（默认为 0）、备择假设（双侧、大于或小于）以及显著性水平（如 0.05）。
- •工具将自动计算每对数据的差值，并基于差值分布计算 t 统计量、自由度和 p 值。
- •最终输出结构化的 JSON 结果，明确展示各项统计指标及是否拒绝原假设的结论。
使用场景
医疗临床试验中，对比患者服用降压药前后的血压数值，评估药物疗效。
教育培训评估中，分析学生参加辅导班前后的考试成绩，验证教学方法的有效性。
工业制造中，使用两种不同的测量工具对同一批零件进行测量，检验工具之间是否存在系统误差。
用户案例
1. 评估培训课程对员工绩效的影响
HR 数据分析师- 背景原因
- 公司为销售团队开展了一项新的沟通技巧培训，需要评估培训是否有效提升了员工的客户满意度评分。
- 解决问题
- 需要对比 6 名员工在培训前后的评分数据，判断评分提升是否具有统计学意义。
- 如何使用
- 在“前测数据”输入培训前的评分，在“后测数据”输入培训后的评分，备择假设选择“双侧”，显著性水平保持 0.05。
- 示例配置
-
前测数据: 72, 75, 70, 68, 74, 71 后测数据: 75, 78, 73, 70, 77, 74 备择假设: two-sided - 效果
- 工具输出 t 统计量为 17，p 值为 0，rejectNull 为 true，表明培训前后的评分存在显著差异，培训有效。
2. 验证新旧测量仪器的误差
质量控制工程师- 背景原因
- 工厂引入了一批新的卡尺，需要确认新卡尺的测量结果与旧卡尺是否存在显著偏差。工程师已经计算出了 10 个零件在新旧卡尺下的测量差值。
- 解决问题
- 直接使用已知的差值数据进行配对 t 检验，而无需重新输入原始测量值。
- 如何使用
- 将计算好的差值填入“差值数据”框中，假设平均差设为 0，备择假设选择“双侧”。
- 示例配置
-
差值数据: 0.1, -0.2, 0.0, 0.1, -0.1, 0.2, 0.0, -0.1, 0.1, 0.0 假设平均差: 0 - 效果
- 快速得出 p 值和 t 统计量。如果 rejectNull 为 false，则说明新旧仪器的测量结果没有显著系统偏差，可以替换使用。
用 Samples 测试
barcode无版权AAC音频样本
用于测试与开发的高质量AAC编码音频样本集合，包含自然声音与冥想音乐
keywords test,samples
无版权FLAC音频样本
用于测试与开发的 FLAC 无损音频样本集合，包含自然声音与冥想音乐
keywords test,samples
Hardhat 开发框架示例
Hardhat 以太坊开发环境示例，包括智能合约、测试、部署、脚本、插件和开发工作流
keywords test,samples
ICS 日历样本
用于测试日历导入、事件解析、提醒与重复日程的 iCalendar (.ics) 文件样本
keywords test,samples
相关专题
条码、二维码与标签工具
把条码生成、二维码创建与解码、UPC/EAN 校验、WiFi 二维码分享和可打印标签工具集中到一个专题中。
音频编码与格式转换工具
在一个专题里比较音频格式转换、码率调整、采样率转换、编码切换和导出工具，适合交付与归档工作流。
图片格式转换与动画导出工具
在一个专题里比较 JPG、PNG、GIF、AVIF、WebP、TIFF、ICO、base64 以及动画导出相关的图片格式转换工具。
JSON 交换与格式翻译工具
在一个专题里比较 JSON 与 CSV、YAML、TOML、GraphQL、XML、Markdown、Excel、BSON、EDN 等结构化格式之间的转换工具。
常见问题
前测和后测数据的数量必须一样吗？
是的，配对 t 检验要求两组数据必须一一对应，因此前测和后测的数据点数量必须完全相同。
如果我已经计算好了差值，还需要输入前后测数据吗？
不需要。您可以直接将差值填入“差值数据”框中，工具会优先使用差值数据进行计算。
什么是备择假设（双侧、大于、小于）？
双侧用于检验前后是否存在显著差异；大于或小于（单侧）用于检验后测数据是否显著高于或低于前测数据。
显著性水平（Alpha）通常设置多少？
统计学中最常用的显著性水平是 0.05。如果计算得出的 p 值小于该设定值，则认为差异具有统计学意义。
结果中的 rejectNull 代表什么？
rejectNull 为 true 表示拒绝原假设，即前后数据存在显著差异；为 false 则表示没有足够证据证明存在显著差异。