เครื่องคำนวณ T-Test
ทำ one-sample, two-sample (Welch) และ paired t-test ออนไลน์ ได้ค่า t statistic, p-value, degrees of freedom, Cohen’s d และช่วงความเชื่อมั่น 95% ฟรีและเป็นส่วนตัว
Loading tool...
เครื่องคำนวณ T-Test คืออะไร?
เครื่องคำนวณ t-test ที่ทำ one-sample, two-sample (Welch) และ paired test ในเบราว์เซอร์ทั้งหมด วางค่าดิบแล้วได้ทันทีซึ่ง t statistic, p-value, degrees of freedom, Cohen's d effect size และช่วงความเชื่อมั่น 95% ของผลต่างเฉลี่ย
ประโยชน์หลัก
- ไม่ต้องเขียนสูตรใน spreadsheet หรือเปิดโปรแกรมสถิติ - วางค่าแล้วอ่านผลได้เลย
- ใช้ Welch correction อัตโนมัติ ตรงตามค่า default ของ R และ scipy
- คำนวณ p-value แบบเชิงตัวเลข แม่นยำกว่าการอ่านประมาณจากตาราง
- มี effect size และช่วงความเชื่อมั่นครบ พร้อมรายงานตามมาตรฐานอย่าง APA
กรณีการใช้งาน
- •นักศึกษาตรวจผลแล็บเทียบกับค่าทฤษฎี หรือเทียบกลุ่มทดลอง
- •วิศวกร QA ตรวจว่าค่า metrics ของ process คลาดจากค่าเฉลี่ยเป้าหมายหรือไม่
- •ทีม product ชั่งน้ำหนักว่าผลต่างของ A/B test เป็นความบังเอิญหรือสัญญาณจริง
- •นักวิจัยเช็คก่อน/หลังอย่างรวดเร็วจากการวัดซ้ำในกลุ่มเดียวกัน
วิธีทำ t-Test
- เลือกประเภทการทดสอบ: one-sample ใช้เทียบกับค่าเป้าหมายคงที่, two-sample ใช้กับสองกลุ่มอิสระ, และ paired ใช้กับข้อมูลก่อน/หลังของกลุ่มตัวอย่างชุดเดียวกัน
- วางข้อมูล: วางตัวเลขลงช่อง คั่นด้วยเว้นวรรค จุลภาค อัฒภาค หรือขึ้นบรรทัดใหม่ วางตรงจากคอลัมน์ Excel หรือไฟล์ CSV ได้เลย
- ตั้งค่า μ₀ และ alpha: สำหรับ one-sample ให้ใส่ค่าเฉลี่ยมาตฐาน (mu) ปล่อย alpha ที่ 0.05 เว้นแต่สาขาของคุณกำหนดค่าอื่น แล้วอ่านผลว่า significant หรือไม่
- อ่านผลและคัดลอก: ดูค่า t, degrees of freedom, p-value, Cohen’s d และช่วงความเชื่อมั่น 95% จากนั้นคัดลอกสรุปไปใส่ในรายงานได้ทันที
คุณสมบัติหลัก
- รองรับ 3 แบบ: one-sample, two-sample อิสระ (Welch) และ paired
- คำนวณ p-value แม่นยำด้วย regularized incomplete beta function ไม่ต้องไล่ตาราง
- แสดง Cohen's d effect size และช่วงความเชื่อมั่น 95% ของผลต่างเฉลี่ย
- แยกตัวเลขจากเว้นวรรค จุลภาค อัฒภาค และการขึ้นบรรทัดใหม่ ค่าที่ผิดจะถูกรายงาน ไม่ crash
- คำนวณ Welch-Satterthwaite degrees of freedom อัตโนมัติ ตรงตามค่า default ของ R และ scipy
- คัดลอกสรุปผลพร้อมวางในรายงาน การบ้าน และ pull request
คำถามที่พบบ่อย
ควรใช้ t-test แบบไหน?
one-sample ใช้เมื่อเทียบกลุ่มเดียวกับค่ามาตฐานที่ทราบอยู่แล้ว (เช่น ล็อตนี้หนัก 500 g หรือไม่) two-sample ใช้กับสองกลุ่มที่เป็นอิสระต่อกัน (เช่น กลุ่มทดลอง vs control) และ paired ใช้เมื่อแต่ละแถวเป็นคู่ที่จับคู่กัน เช่น ผู้ทดลองคนเดียวกันวัดก่อนและหลัง
ทำไม degrees of freedom ไม่ใช่จำนวนเต็ม?
การทดสอบ two-sample ใช้ Welch-Satterthwaite degrees of freedom เพื่อชดเชยกรณี variance และจำนวนตัวอย่างไม่เท่ากัน เครื่องมือสมัยใหม่อย่าง R และ scipy ใช้วิธีนี้เป็นค่า default เพราะให้อัตราความผิดพลาดแม่นยำกว่าเมื่อ variance ต่างกัน
ค่า p-value บอกอะไรจริง ๆ?
p-value แบบ two-sided คือความน่าจะเป็นที่จะเห็นผลต่างอย่างน้อยเท่านี้ ถ้า H0 (ค่าเฉลี่ยเท่ากัน) เป็นจริง ถ้าค่าต่ำกว่า alpha ที่ตั้งไว้ (มักเป็น 0.05) ผลจะถือว่ามีนัยสำคัญทางสถิติและปฏิเสธ H0 ได้ แต่ p-value ไม่ใช่ความน่าจะเป็นที่ H0 จะเป็นจริง
ข้อมูลต้องกระจายแบบปกติหรือไม่?
t-test สมมติว่าข้อมูลใกล้เคียง normal แต่ทนต่อความเบี่ยงเบนระดับปานกลางได้ดี โดยเฉพาะเมื่อมีตัวอย่าง 15+ ค่าต่อกลุ่ม ถ้าข้อมูลเบ้มากและกลุ่มเล็กควรพิจารณาวิธี non-parametric ส่วน effect size (Cohen's d) ประมาณ 0.2 ถือว่าเล็ก, 0.5 ปานกลาง และ 0.8 ใหญ่