双样本 t 检验计算器

双样本 t 检验计算器

新兴 AI Skill PRO

输入计算

数学公式

t=x̄1−x̄2s12n1+s22n2t = \dfrac{{{\text{x̄}_1}} - {{\text{x̄}_2}}}{\sqrt{\dfrac{{{\text{s}_1}}^{2}}{{{\text{n}_1}}} + \dfrac{{{\text{s}_2}}^{2}}{{{\text{n}_2}}}}}

计算示例

t=10.5−92.5230+3230≈2.1039t = \dfrac{10.5 - 9}{\sqrt{\dfrac{2.5^{2}}{30} + \dfrac{3^{2}}{30}}} \approx 2.1039
显示计算步骤 (1)
  1. Welch-Satterthwaite 自由度

    df=(a+b)2a2n1−1+b2n2−1其中{a=s12n1b=s22n2\begin{gathered} df = \dfrac{(a + b)^{2}}{\dfrac{a^{2}}{{{\text{n}_1}} - 1} + \dfrac{b^{2}}{{{\text{n}_2}} - 1}} \\[1.5em] \text{其中}\quad \left\{ \begin{aligned} a &= \dfrac{{{\text{s}_1}}^{2}}{{{\text{n}_1}}} \\ b &= \dfrac{{{\text{s}_2}}^{2}}{{{\text{n}_2}}} \end{aligned} \right. \end{gathered}

    自由度 df 使用 a = s1²/n1 和 b = s2²/n2

使用统计

广告

结果

t 统计量
2.1039
Welch 双样本 t 检验
均值差 (x̄₁ − x̄₂) 1.5
标准误 0.713
自由度(Welch) 56.17

报告本页错误

什么是双样本 t 检验?

双样本 t 检验用于判断两个独立组的均值是否存在显著差异。本计算器采用 Welch t 检验,它不要求两组方差相等,因此在大多数实际场景中都是更稳妥的默认选择。只需输入两组样本的均值、标准差和样本量,即可得到 t 统计量、均值差值的标准误,以及按 Welch-Satterthwaite 公式计算的自由度。

两条均值分离的重叠钟形曲线
双样本 t 检验比较两个独立组的均值。

使用方法

分别填入两组样本的均值、标准差和观测数量,点击「计算」即可得到 t 统计量。接着,将 \(|t|\) 与 t 分布表中对应自由度的临界值进行比较,或将其换算为 p 值,从而判断是否拒绝「两组均值相等」这一原假设。

公式详解

t 统计量等于两组均值之差除以该差值的标准误:

$$t = \dfrac{\bar{x}_1 - \bar{x}_2}{\sqrt{\dfrac{s_1^{2}}{n_1} + \dfrac{s_2^{2}}{n_2}}}$$

分母衡量的是我们预期差值会出现多大的抽样波动。\(|t|\) 越大,说明观测到的差距相对于「噪声」越显著,越可能反映真实的效应。

广告
展示 t 统计量为均值之差除以合并标准误的示意图
t 统计量用均值之差除以合并标准误。

实例演算

假设 A 组均值为 10.5,标准差 2.5,\(n = 30\);B 组均值为 9.0,标准差 3.0,\(n = 30\)。两个方差项分别为 \(6.25/30 = 0.2083\) 和 \(9/30 = 0.3\),二者之和为 \(0.5083\),因此标准误为 \(\sqrt{0.5083} \approx 0.7130\)。均值差为 \(1.5\),于是

$$t = \dfrac{1.5}{0.7130} \approx 2.104$$

自由度约为 56。

常见问题

为什么用 Welch 检验而不是 Student t 检验?即便两组方差不同或样本量不等,Welch 检验依然能保持较高的准确性;而 Student 的合并方差检验在这些情况下可能给出误导性的结果。

t 值为 2.1 算显著吗?在双尾、显著性水平 0.05、自由度约 56 的条件下,临界值约为 2.00,因此 \(|t| = 2.1\) 刚好越过临界线——属于临界显著(勉强显著)。

如果两组数据是配对的怎么办?那应改用配对 t 检验;本计算器假定两个样本相互独立。

最后更新:

数学和统计热门计算器

查看全部数学和统计计算器