统计检验

Statistics Inspection

Statistics Inspection

点击"检验"按钮查看结果
💡 t 检验用于比较均值差异;卡方检验用于比较频数分布。
p < α 时拒绝原假设 H₀,认为差异显著。

📚 深度解析:统计检验

💡 常见使用场景

  • 单样本 t 检验:判断样本均值是否与某个理论值(如 μ₀=20)存在显著差异。
  • 独立/配对 t 检验:比较两组均值(如训练前/后、A/B 两组);配对检验用于同对象前后测。
  • 卡方拟合优度:判断观测频数分布是否与期望分布(如均匀分布)一致。
四类检验的默认数据演示
①单样本 t:10 个样本均值 25.5000、标准差 8.6699,与 μ₀=20 比较得 t=2.0061、df=9、临界值 ±2.2620(α=0.05 双侧);|t|<临界值,不能拒绝 H₀。②独立 t(方差齐):两组均值 25.500 与 38.333,t=−3.0533、df=20、临界值 ±2.0860,差异显著。③配对 t:前后差值均值 7.1000、t=25.6422、df=9,训练效果显著。④卡方:观测 25/30/20/15/10,期望均分 20,χ²=12.5000、df=4、临界值 9.4880,拒绝均匀分布假设。

❓ 常见问题(FAQ)

t 检验对数据有什么要求?
通常假设两组数据近似正态、方差齐(独立 t 可选 Welch 校正方差不齐)。样本量过小或存在极端值时结论需谨慎,建议结合效应量与置信区间综合判断。
卡方检验的期望频数怎么给?
留空时按均匀分布(各类别期望相同)处理;也可手动输入期望频数。每类期望频数建议 ≥5,否则结论可靠性下降。
⚠️ 使用说明与注意事项
📖关于「统计检验」 ▼

📝工具简介

统计检验是一款统计分析领域的在线工具。统计分析工具,帮助快速完成数据统计与检验。

✨功能特点

🎯使用场景