使用步驟
- 選擇單樣本、兩獨立樣本或配對樣本。
- 貼上資料，或改為輸入每組的均值、標準差和樣本量。
- 選擇備擇假設和置信水平，結果自動更新。
引數說明
- Welch 與 Student
- 預設用 Welch t 檢驗，不要求兩組方差相等，是目前推薦的做法；取消勾選則為方差相等的 Student t 檢驗。
- 效應量
- Cohen's d = 均值差 ÷ 合併標準差；配對樣本用差值的均值 ÷ 差值的標準差。
一個完整示例
預設資料是 R 內建 sleep 資料集中兩組額外睡眠時間（小時），每組 10 個值。選擇「兩獨立樣本」時：
| 結果 | Welch（預設） | Student（取消勾選） |
|---|---|---|
| 兩組均值 | 0.75 和 2.33 | 0.75 和 2.33 |
| 均值差（第 1 組 − 第 2 組） | −1.58 | −1.58 |
| t | −1.861 | −1.861 |
| 自由度 | 17.776 | 18 |
| p 值（雙側） | 0.0794 | 0.0792 |
| 95% 置信區間 | −3.365 … 0.205 | −3.364 … 0.204 |
| Cohen’s d | −0.832 | −0.832 |
Welch 的標準誤是 √(s₁²/n₁ + s₂²/n₂)，自由度用 Welch–Satterthwaite 公式。Student 則使用合併方差和 n₁ + n₂ − 2 個自由度。兩種方法的 Cohen’s d 相同，因為它始終使用合併標準差。
如果把同樣的數字看作同樣十個人測了兩次，結果會顯著得多。選擇「配對樣本」，檢驗就在這十個差值上進行：t = −4.062，自由度 9，p = 0.0028。配對消除了人與人之間的差異，所以它能檢測出獨立樣本檢驗檢測不出的差異。配對資料要求兩個框裡的資料個數相同，且順序一一對應。
常見問題
結果可信嗎？
用 R 自帶的 sleep 資料集核對過，t、自由度、p 值和置信區間都與 t.test() 一致。
資料不服從正態分佈怎麼辦？
樣本較大時 t 檢驗比較穩健；樣本小且明顯偏態時，應考慮 Mann–Whitney U 或 Wilcoxon 等非引數檢驗。
資料會上傳嗎？
不會，計算都在瀏覽器裡完成。
隱私說明
本工具完全在瀏覽器中執行，檔案和文字都在你的裝置上處理，不會上傳到我們的伺服器。