t检验计算器

执行Welch的t检验以确定两个独立组的均值之间是否存在统计学上的显著差异。

t检验计算器

快速示例

组 1（样本 A）至少 2 个值

组 2（样本 B）至少 2 个值

检验参数

显著性水平 (α)

检验类型

小数精度

Embed t检验计算器 Widget

t检验计算器

欢迎使用 t 检验计算器。这是一个用于比较两个独立组均值的综合统计分析工具。本计算器执行 Welch t 检验，对方差不相等或样本量不一致更稳健，因此在大多数实际场景中推荐作为默认选择。

什么是 t 检验？什么时候使用？

t 检验是一种统计假设检验，用于判断两组的均值是否存在显著差异。独立双样本 t 检验（也称非配对 t 检验）用于比较两组互相独立的观测值。

在以下情况下可使用 t 检验：

你有两个独立组需要比较（例如处理组 vs. 对照组）
数据为连续型且近似服从正态分布
你想判断观察到的差异是否具有统计显著性

理解 t 检验公式

Welch 的 t 统计量

t 统计量衡量两组样本均值相差多少个标准误：

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

其中 $\bar{X}_1$、$\bar{X}_2$ 为样本均值，$s_1^2$、$s_2^2$ 为样本方差，$n_1$、$n_2$ 为样本量。

自由度（Welch-Satterthwaite）

在 Welch t 检验中，自由度按如下公式计算：

$$df = \frac{\left(\frac{s_1^2}{n_1} + \frac{s_2^2}{n_2}\right)^2}{\frac{(s_1^2/n_1)^2}{n_1-1} + \frac{(s_2^2/n_2)^2}{n_2-1}}$$

如何进行独立双样本 t 检验

输入组 1 数据： 输入第一组样本的数值。可用逗号、空格或换行分隔。
输入组 2 数据： 用相同格式输入第二组样本的数值。
选择检验参数： 选择显著性水平（alpha）、检验类型（双侧或单侧）以及结果的小数精度。
运行分析： 点击计算以执行 t 检验并查看包括 t 统计量、p 值、自由度与效应量在内的结果。
解读结果： 查看 t 分布可视化与解读部分，判断两组差异是否具有统计显著性。

解读你的结果

p 值解读

p 值表示在原假设成立时，观察到当前数据（或更极端数据）的概率：

p < 0.05： 在 95% 置信水平下具有统计显著性
p < 0.01： 在 99% 置信水平下高度显著
p > 0.05： 不显著 - 观察到的差异可能由随机因素导致

Cohen's d 效应量

p 值反映统计显著性，而 Cohen's d 反映实际意义（差异大小）：

Cohen's d 值	效应量	解释
\|d\| < 0.2	可忽略	差异非常小
0.2 ≤ \|d\| < 0.5	小	差异较小但可察觉
0.5 ≤ \|d\| < 0.8	中等	差异适中且有意义
\|d\| ≥ 0.8	大	差异很大

双侧检验 vs. 单侧检验

双侧检验（默认）

检验均值是否在任意方向上不同。若没有明确的方向性假设，建议使用双侧检验。备择假设为：$H_1: \mu_1 \neq \mu_2$

单侧检验

左侧： 检验组 1 的均值是否小于组 2 的均值。备择假设：$H_1: \mu_1 < \mu_2$

右侧： 检验组 1 的均值是否大于组 2 的均值。备择假设：$H_1: \mu_1 > \mu_2$

建议

除非你有充分的理论理由认为差异只会出现在一个方向上，否则建议使用双侧检验。单侧检验的检验力更高，但更不保守。

什么是 Welch t 检验？

Welch t 检验是独立样本 t 检验的一种变体，不要求两组方差相等。它更稳健，尤其在样本量或方差不一致时，通常推荐作为比较两组独立样本的默认选择。

Welch t 检验的优点：

不要求总体方差相等（对异方差更稳健）
当方差不等时，I 类错误率控制更准确
在多数应用中通常比 Student t 检验更推荐
即使方差相等也表现良好（使用它不会有惩罚）

实际应用

医学研究

比较实验组与对照组的治疗效果，评估药物有效性，或分析临床结局。

教育

评估不同教学方法、课程或干预措施是否会带来不同的学生结果。

商业分析

用于营销活动的 A/B 测试、比较不同产品版本的客户满意度，或分析不同地区的销售表现。

质量控制

比较不同生产工艺、供应商或时间段下的产品规格差异。

常见问题

什么是 t 检验？什么时候使用？

t 检验是一种统计假设检验，用于判断两组的均值是否存在显著差异。当你比较两个独立样本（例如对照组与处理组），且数据为连续型并近似服从正态分布时，可以使用 t 检验。

双侧 t 检验与单侧 t 检验有什么区别？

双侧检验检验均值是否在任意方向上不同（更大或更小）。单侧检验只检验一个特定方向上的差异。双侧检验更保守，通常作为默认选择，除非你有明确的方向性假设。

t 检验中的 p 值是什么意思？

p 值表示在原假设成立时，观察到当前数据（或更极端数据）的概率。若 p 值小于你选择的显著性水平（通常为 0.05），则提示具有统计显著性，意味着观察到的差异不太可能仅由随机因素造成。

什么是 Cohen's d？为什么重要？

Cohen's d 是一种效应量指标，用标准差单位量化两组差异的大小。p 值反映统计显著性，而 Cohen's d 反映实际意义。通常 0.2、0.5、0.8 分别代表小、中等和大的效应。

什么是 Welch t 检验？

参考资料

引用此内容、页面或工具为：

"t检验计算器" 于 https://MiniWebtool.com/zh-cn/t检验计算器/，来自 MiniWebtool，https://MiniWebtool.com/

by miniwebtool team. Updated: Jan 13, 2026

您还可以尝试我们的 AI数学解题器 GPT，通过自然语言问答解决您的数学问题。

其他相关工具:

t检验计算器

t检验计算器

什么是 t 检验？什么时候使用？

理解 t 检验公式

Welch 的 t 统计量

自由度（Welch-Satterthwaite）

如何进行独立双样本 t 检验

解读你的结果

p 值解读

Cohen's d 效应量

双侧检验 vs. 单侧检验

双侧检验（默认）

单侧检验

什么是 Welch t 检验？

实际应用

医学研究

教育

商业分析

质量控制

常见问题

什么是 t 检验？什么时候使用？

双侧 t 检验与单侧 t 检验有什么区别？

t 检验中的 p 值是什么意思？

什么是 Cohen's d？为什么重要？

什么是 Welch t 检验？

参考资料

其他相关工具:

统计与数据分析:

常用工具: