t统计量计算器

t统计量将样本均值与假设总体均值之间的差异标准化。它回答了一个实际问题：观测均值与原假设提出的数值之间，相隔多少个估计标准误？单样本公式为t = (x̄ − μ₀) / (s / √n)，其中x̄是样本均值，μ₀是假设均值，s是样本标准差，n是样本量。 分子是所关注的原始差异，分母是样本均值的估计标准误。除以标准误后，差异被放到统一尺度上，使不同单位或变异程度的测量结果可以用相似方式解读。t统计量为2.5，表示样本均值比假设值高2.5个估计标准误；值为−2，则表示比假设值低两个标准误。 符号和大小各有作用。符号表示相对于假设均值的方向，绝对值大小则表示该差异在原假设模型下有多不寻常。接近零说明二者非常接近。绝对值越大，反对原假设的证据通常越强，但不存在通用阈值，因为对应概率取决于自由度以及采用单侧还是双侧检验。 单样本t统计量的自由度等于n − 1。这反映了均值和标准差由同一个样本估计的事实。自由度较少时，t分布的尾部比正态分布更厚，体现了标准误估计中的额外不确定性。随着样本量增加，t分布逐渐接近标准正态分布。 本计算器报告统计量及其组成部分，但不会替你选择检验方向或显著性阈值。要完成假设检验，应将统计量与自由度为n − 1的t分布比较，计算合适的单侧或双侧p值。检验方向和alpha水平应在查看结果前确定。均值的置信区间也可由x̄加减临界t值乘以标准误构建。 有效的单样本t方法要求观测相互独立，且结果变量为定量变量。小样本的来源总体应近似正态；较大样本通常能容忍适度的非正态性。明显的离群值会扭曲均值和标准差，应加以调查。如果要推广结论，样本还应来自适当的随机或具有代表性的抽样过程。请用计算器核对运算，再结合研究设计、假设条件、效应量和实际领域意义解读结果。