两样本t检验与均值比对器｜SPC实战工具
这个工具解决什么问题
这类分析的结果要能写进报告、经得起追问。因此中间量都会给出，而不是只给结论。
对两组连续型测量数据（两台机台、两个批次、改善前后）做均值比对。以 Welch t 检验为主 （不假设等方差），同时给出方差齐性 F 检验与合并方差 t 检验作对照，全部计算纯标准库实现。
输入数据格式
数据文件 ttest_data.csv，列顺序为：group、value。
示例首行：ChamberA,195.754
示例输出（真实运行结果节选）
两样本 t 检验与均值比对报告
（Welch t 检验为主，合并方差 t 检验对照；显著性水平 α=0.05）
========================================================================
【一、描述统计】
组别 样本数 均值 标准差 最小值 最大值
ChamberA 25 197.9908 1.7565 194.7400 200.5160
ChamberB 25 200.7933 2.3619 195.9960 205.6850
均值差（ChamberB - ChamberA）= 2.8026
【二、方差齐性检验（F 检验，双侧）】
F = 1.8081（df=24,24），p = 0.1540
结论：未见方差差异显著，Welch 与合并方差 t 检验结论通常一致。
【三、Welch t 检验（不假设等方差）】
t = 4.7607，df = 44.3，p = 0.00002
均值差 95% 置信区间：[1.6164, 3.9887]
Cohen's d = 1.347（大效应）
【四、合并方差 t 检验（对照）】
t = 4.7607，df = 48，p = 0.00002
【五、工程结论】
1) ChamberA 与 ChamberB 的均值差异统计显著（Welch p=0.0000 < 0.05）。
均值差 2.8026，95%CI [1.6164, 3.9887]，区间不含 0，与检验结论一致。
2) 效应量 d=1.347 提示差异的实际大小；统计显著但 d 很小时，
还要评估该差异是否值得做工艺/机台干预（成本 vs 收益）。
3) 前提自查：两组数据应近似独立、各自近似正态、无异常值；
若样本里混入了调整/换线前后的点，先分层再检验，否则结论会被污染。
解决什么问题
· 机台间是否有系统差？改善措施到底有没有效果？——这类问题靠肉眼看均值会误判， 靠 Excel 的 T.TEST 又看不到置信区间与效应量。 · 本工具一次输出：描述统计、F 检验、Welch t、均值差 95%CI、Cohen's d、工程结论。
使用方法
python ttest_analyzer.py # 自动生成示例数据并出报告 python ttest_analyzer.py 我的.csv # 用自己的数据
不依赖第三方库，Python 3.8+ 直接运行。
输入格式（CSV，UTF-8）
· group：恰好两个组名（如机台号、批号、改善前/后） · value：连续型测量值
输出说明
· ttest_data.csv：示例数据（首次运行自动生成） · ttest_report.txt：完整分析报告，含结论与前提自查清单
适用场景
机台匹配 / Cpk 对比前的均值检验 / 改善验证 / 来料与在制对比。
注意事项
「不显著 ≠ 无差异」：95%CI 若覆盖工程上关心的差异量，说明样本量不足。
可调参数与计算口径
脚本顶部集中了主要阈值与常量：ALPHA=0.05。改完直接重跑即可，不必改动计算逻辑。
会生成哪些文件
运行后除控制台输出外，还会生成：ttest_data.csv、ttest_report.txt。
脚本里的主要处理步骤
t_crit_975()：二分法求 t(0.975, df)。
以上步骤在脚本中是分开的函数，可以单独调用或按需替换其中一段，不必整体重写。
工具中出现的字段与提示
- 正则化不完全贝塔函数 I_x(a,b)。
- 二分法求 t(0.975, df)。
- CSV 需恰好两组数据，实得：%s
- 两样本 t 检验与均值比对报告
- （Welch t 检验为主，合并方差 t 检验对照；显著性水平 α=%.2f）
- 【一、描述统计】
- 均值差（%s - %s）= %.4f
- 【二、方差齐性检验（F 检验，双侧）】
- 结论：两组方差差异显著（p<%.2f），应以 Welch t 检验为准，
- 合并方差 t 检验仅作参考。
- 结论：未见方差差异显著，Welch 与合并方差 t 检验结论通常一致。
- 【三、Welch t 检验（不假设等方差）】
- 均值差 95%% 置信区间：[%.4f, %.4f]
- 【四、合并方差 t 检验（对照）】
- 【五、工程结论】
- 1) %s 与 %s 的均值差异统计显著（Welch p=%.4f < %.2f）。
- 95%%CI [%.4f, %.4f]——若工程上关心的重要差异落在区间内，
- 说明本样本量还不足以分辨，应增加样本或提高测量精度。
其余字段以界面与示例报告为准。
下载与文件清单
压缩包内包含：主程序脚本、示例数据文件、示例输出报告、中文说明文档，以及同主题 AI 提示词一套。解压后按说明运行即可，示例数据可直接试跑。
主程序文件：ttest_analyzer.py。
本站工具免费下载，无需注册。工具为 Python 脚本，Python 3.8 及以上环境可直接运行，核心功能尽量不依赖第三方库。
常见问题
输入数据要准备成什么样？
按 示例首行中的列顺序准备即可，共 2 列：group、value。列为空或格式不符时结果会失真，建议先用示例数据试跑一遍。
跑完最该关注哪几项？
报告按 一、描述统计、二、方差齐性检验（F 检验，双侧）、三、Welch t 检验（不假设等方差）、四、合并方差 t 检验（对照）、五、工程结论 等部分组织，其中判定结论与建议部分直接对应下一步动作。
阈值可以改成我们自己的标准吗？
可以，脚本顶部已把主要阈值与常量集中声明，按自己产线的标准修改后重跑即可，不需要改计算逻辑。
附赠的提示词怎么用？
把提示词与自己的数据一起交给大模型，可以让它按同一套口径帮你改写分析流程或扩展报告字段。
同分类的其它工具
本工具归在 SPC与质量分析工具包，全部工具见 工具资源包下载页。
