T 检验计算器

基于原始数据执行单样本或双样本 t 检验，并查看 t 统计量、自由度和 p 值

示例结果

2 个示例

检验样本均值是否偏离目标值

执行单样本 t 检验，将观测值与设定的基准均值进行比较

{
  "result": {
    "tStatistic": 2.6726,
    "degreesOfFreedom": 5,
    "pValue": 0.0443,
    "sampleMean": 14.1667,
    "meanDifference": 1.1667
  }
}

查看输入参数

{ "testType": "one-sample", "sampleA": "12, 15, 14, 16, 13, 15", "sampleB": "", "hypothesizedMean": "13", "alternativeHypothesis": "two-sided", "precision": 4 }

比较两组独立样本均值

执行合并方差的双样本 t 检验，评估两组平均结果是否存在差异

{
  "result": {
    "tStatistic": 3.6734,
    "degreesOfFreedom": 8,
    "pValue": 0.0031,
    "meanDifference": 6.8,
    "sampleMeanA": 85.8,
    "sampleMeanB": 79
  }
}

查看输入参数

{ "testType": "two-sample", "sampleA": "82, 85, 88, 84, 90", "sampleB": "78, 80, 79, 77, 81", "hypothesizedMean": "", "alternativeHypothesis": "greater", "precision": 4 }

样本 A

检验类型

样本 B（可选）

假设均值

备择假设

小数精度

关键信息

分类: 数学、日期与金融
输入类型: select, textarea, text, number
输出类型: json
样本覆盖: 4
支持 API: Yes

概览

T 检验计算器是一款专业的统计分析工具，旨在帮助用户通过原始数据快速执行单样本或双样本 t 检验，从而准确评估均值差异的显著性并获取 t 统计量、自由度及 p 值等关键指标。

适用场景

•当需要验证一组样本的平均值是否与预设的基准值存在显著差异时。
•当需要比较两组独立样本（如实验组与对照组）的平均表现是否存在统计学意义上的不同时。
•在进行科学研究、质量控制或数据分析时，需要快速获取假设检验结果以支持决策时。

工作原理

•选择检验类型（单样本或双样本），并输入您的原始数据序列。
•若是单样本检验，请填入假设均值；若是双样本，则需提供两组数据。
•根据研究需求设置备择假设（双尾、大于或小于）及所需的计算精度。
•点击计算，系统将自动生成 t 统计量、自由度、p 值及均值差异等详细统计结果。

使用场景

学术研究：验证实验组数据与理论预期值之间是否存在显著偏差。

产品测试：对比两批次产品的性能指标，判断生产工艺改进是否带来了显著提升。

市场分析：评估不同营销策略下用户转化率的均值差异是否具有统计学意义。

用户案例

1. 检验样本均值是否偏离目标值

质量控制工程师

背景原因: 生产线要求零件的标准长度为 13mm，工程师随机抽取了 6 个样本进行测量。
解决问题: 需要判断当前生产的零件平均长度是否显著偏离了 13mm 的标准。
如何使用: 选择“单样本”检验，输入样本数据，设置假设均值为 13，选择“双尾”检验。
示例配置: testType: one-sample, sampleA: 12, 15, 14, 16, 13, 15, hypothesizedMean: 13
效果: 计算得出 p 值为 0.0443，小于 0.05，说明当前生产的零件长度与标准值存在显著差异。

2. 比较两组独立样本均值

数据分析师

背景原因: 分析师正在对比两组不同教学方法下学生的考试成绩，以确定哪种方法更有效。
解决问题: 需要验证新教学方法（样本 A）是否在统计学上显著优于传统方法（样本 B）。
如何使用: 选择“双样本”检验，分别输入两组学生的成绩，设置备择假设为“大于”。
示例配置: testType: two-sample, sampleA: 82, 85, 88, 84, 90, sampleB: 78, 80, 79, 77, 81, alternativeHypothesis: greater
效果: 计算得出 p 值为 0.0031，远小于 0.05，证明新教学方法的效果显著优于传统方法。

用 Samples 测试

barcode

Jest 测试框架

全面的Jest测试示例，包括单元测试、集成测试、模拟、异步测试和JavaScript/TypeScript应用的高级模式

keywords t test,test

sample

Playwright E2E 测试框架

全面的Playwright测试示例，包括跨浏览器自动化、API测试、移动端测试、视觉回归测试和现代Web应用的高级E2E模式

keywords t test,test

sample

Pytest 测试框架

全面的 Pytest 测试示例，包括单元测试、集成测试、fixtures、参数化、模拟和 Python 应用程序的高级测试模式

keywords t test,test

sample

路径分析器样本

来自Windows、Linux和macOS的文件系统路径综合集合，用于路径分析和测试

task analyze

sample

常见问题

什么是单样本 t 检验？

单样本 t 检验用于确定样本的平均值是否与已知的或假设的总体均值存在显著差异。

双样本 t 检验适用于什么场景？

双样本 t 检验适用于比较两组独立样本的均值，以判断它们是否来自具有相同均值的总体。

p 值小于 0.05 代表什么？

在统计学中，p 值小于 0.05 通常意味着结果具有统计学显著性，即拒绝原假设，认为差异并非由随机误差引起。

如何输入数据？

您可以直接在文本框中输入数字，数字之间使用逗号、空格或换行符分隔即可。

备择假设中的“双尾”、“大于”、“小于”有什么区别？

双尾检验检测均值是否存在差异（不等于）；“大于”和“小于”则是单尾检验，分别检测样本均值是否显著高于或低于基准值。

API 文档

请求端点

POST /zh/api/tools/t-test-calculator

请求参数

参数名	类型	必填	描述
testType	select	否	-
sampleA	textarea	否	-
sampleB	textarea	否	-
hypothesizedMean	text	否	-
alternativeHypothesis	select	否	-
precision	number	否	-

响应格式

{
  "key": {...},
  "metadata": {
    "key": "value"
  },
  "error": "Error message (optional)",
  "message": "Notification message (optional)"
}

JSON数据: JSON数据

AI MCP 文档

将此工具添加到您的 MCP 服务器配置中：

{
  "mcpServers": {
    "elysiatools-t-test-calculator": {
      "name": "t-test-calculator",
      "description": "基于原始数据执行单样本或双样本 t 检验，并查看 t 统计量、自由度和 p 值",
      "baseUrl": "https://elysiatools.com/mcp/sse?toolId=t-test-calculator",
      "command": "",
      "args": [],
      "env": {},
      "isActive": true,
      "type": "sse"
    }
  }
}

你可以串联多个工具，比如：`https://elysiatools.com/mcp/sse?toolId=png-to-webp,jpg-to-webp,gif-to-webp`，最多20个。

如果遇见问题，请联系我们：[email protected]

T 检验计算器

示例结果

检验样本均值是否偏离目标值

比较两组独立样本均值

关键信息

概览

适用场景

工作原理

使用场景

用户案例

1. 检验样本均值是否偏离目标值

2. 比较两组独立样本均值

用 Samples 测试

相关专题

相关工具

常见问题

API 文档

请求端点

请求参数

响应格式

AI MCP 文档