統計檢驗 使用指南
選擇檢驗型別（單樣本 t、獨立雙樣本 t、配對 t 或卡方擬合優度），輸入對應資料，自動計算統計量、自由度與 p 值，用於判斷兩組均值差異或觀測頻數與期望頻數是否吻合。
功能說明
選擇檢驗型別（單樣本 t、獨立雙樣本 t、配對 t 或卡方擬合優度），輸入對應資料，自動計算統計量、自由度與 p 值，用於判斷兩組均值差異或觀測頻數與期望頻數是否吻合。
典型使用場景
- 單樣本 t 檢驗：判斷樣本均值是否與某個理論值（如 μ₀=20）存在顯著差異。
- 獨立/配對 t 檢驗：比較兩組均值（如訓練前/後、A/B 兩組）；配對檢驗用於同對象前後測。
- 卡方擬合優度：判斷觀測頻數分佈是否與期望分佈（如均勻分佈）一致。
算例參考
- 四類檢驗的預設資料演示：①單樣本 t：10 個樣本均值 25.5000、標準差 8.6699，與 μ₀=20 比較得 t=2.0061、df=9、臨界值 ±2.2620（α=0.05 雙側）；|t|<臨界值，不能拒絕 H₀。②獨立 t（方差齊）：兩組均值 25.500 與 38.333，t=−3.0533、df=20、臨界值 ±2.0860，差異顯著。③配對 t：前後差值均值 7.1000、t=25.6422、df=9，訓練效果顯著。④卡方：觀測 25/30/20/15/10，期望均分 20，χ²=12.5000、df=4、臨界值 9.4880，拒絕均勻分佈假設。
注意事項
本工具純前端執行，輸入內容不上傳伺服器；結果為按上述口徑得到的理論估算值。實際應用受裝置引數、測量條件與當地規範影響，請以裝置銘牌、檢測報告與現行標準為準，重大決策建議諮詢專業人士。
- t 檢驗對資料有什麼要求？
- 通常假設兩組資料近似正態、方差齊（獨立 t 可選 Welch 校正方差不齊）。樣本量過小或存在極端值時結論需謹慎，建議結合效應量與置信區間綜合判斷。
- 卡方檢驗的期望頻數怎麼給？
- 留空時按均勻分佈（各類別期望相同）處理；也可手動輸入期望頻數。每類期望頻數建議 ≥5，否則結論可靠性下降。