تابع t در اکسل — مرجع کامل برای آزمون t و توزیع t

در اکسل چند تابع مرتبط با توزیع t و آزمون‌های t وجود دارد که برای مقایسه میانگین‌ها و محاسبه احتمال‌های وابسته به توزیع t به‌کار می‌روند. در این مقاله به صورت دسته‌بندی‌شده توضیح می‌دهیم کدام توابع وجود دارند، چه زمانی از هر کدام استفاده کنیم، و مثال‌های عملی و فرمول‌های اکسل برای محاسبه دستی خواهیم آورد.

توابع اصلی مرتبط با t در اکسل

• T.TEST (نسخه‌های جدید اکسل): محاسبه مقدار p برای آزمون t بین دو نمونه.
• TTEST (نسخه‌های قدیمی‌تر اکسل): همان کار T.TEST را انجام می‌دهد ولی نام متفاوت است.
• T.DIST، T.DIST.RT، T.DIST.2T: توابع توزیع t که احتمال تجمعی یا دوطرفه را برمی‌گردانند.
• T.INV، T.INV.RT، T.INV.2T: معکوس توزیع t — برای یافتن مقدار بحرانی t از احتمال دلخواه کاربرد دارد.

تفاوت بین T.TEST و توابع توزیع

T.TEST مقدار p حاصل از آزمون t را مستقیم محاسبه می‌کند (نیازی به محاسبه دستی t و df نیست مگر بخواهید جزئیات را ببینید). توابع T.DIST و T.INV برای کار با توزیع t خام به‌کار می‌روند؛ مثلاً اگر t آماره دارید و می‌خواهید p متناظر را بدست آورید یا برعکس.

پارامترهای تابع T.TEST

• array1 و array2: دو مجموعه داده‌ای که می‌خواهید مقایسه کنید.
• tails: 1 برای یک‌طرفه، 2 برای دوطرفه.
• type: نوع آزمون — 1 (paired)، 2 (two-sample equal variance)، 3 (two-sample unequal variance – Welch).

مثال عملی گام‌به‌گام

فرض کنید داده‌های زیر در سلول‌های اکسل دارید:

• گروه A در A1:A5 = {12, 15, 14, 10, 13}
• گروه B در B1:B5 = {8, 9, 11, 7, 10}

=T.TEST(A1:A5, B1:B5, 2, 3)

این فرمول مقدار p برای آزمون دوطرفه با فرض واریانس نامساوی (Welch) را بازمی‌گرداند. اگر p کمتر از سطح معنی‌داری (مثلاً 0.05) باشد اختلاف میانگین‌ها معنی‌دار است.

محاسبه دستی آمار t و درجات آزادی (Welch)

برای شفافیت بیشتر می‌توانید آمار t و df را دستی محاسبه کنید:

=AVERAGE(A1:A5)-AVERAGE(B1:B5)
=SQRT( (VAR.S(A1:A5)/COUNT(A1:A5)) + (VAR.S(B1:B5)/COUNT(B1:B5)) )
=t_stat = (AVERAGE(A1:A5)-AVERAGE(B1:B5)) / SQRT( (VAR.S(A1:A5)/COUNT(A1:A5)) + (VAR.S(B1:B5)/COUNT(B1:B5)) )

'Welch degrees of freedom:
= ( (VAR.S(A1:A5)/COUNT(A1:A5) + VAR.S(B1:B5)/COUNT(B1:B5))^2 ) /
  ( (VAR.S(A1:A5)^2)/(COUNT(A1:A5)^2*(COUNT(A1:A5)-1)) + (VAR.S(B1:B5)^2)/(COUNT(B1:B5)^2*(COUNT(B1:B5)-1)) )

'Two-tailed p from t and df:
= T.DIST.2T(ABS(t_stat), df)

توضیح: اولین خط اختلاف میانگین‌ها را محاسبه می‌کند، خط دوم مخرج فرمول t (خطای استاندارد تفاضل میانگین‌ها) را می‌دهد. سپس t_stat محاسبه و با فرمول Welch df تقدیر می‌شود. در نهایت با T.DIST.2T مقدار p دوطرفه را محاسبه می‌کنیم.

محاسبات عددی برای مثال

برای داده‌های بالا:

• میانگین A = 12.8، میانگین B = 9.0 => اختلاف = 3.8
• انحراف معیارهای نمونه‌ای: sA ≈ 1.923، sB ≈ 1.581
• t ≈ 3.413 و درجات آزادی تقریباً 7.7 (Welch)
• p دوطرفه ≈ 0.01 که نشان‌دهنده اختلاف معنی‌دار در سطح 0.05 است.

وقتی باید از کدام نوع آزمون استفاده کنید

• نوع 1 (paired) زمانی که داده‌ها زوجی هستند (قبل/بعد از مداخله). در این حالت اختلاف هر جفت بررسی می‌شود.
• نوع 2 (equal variance) زمانی که فرض می‌کنید واریانس‌ها برابرند (ولی قبل از این بهتر Levene یا F-test انجام دهید).
• نوع 3 (unequal / Welch) در اغلب موارد امن‌تر است چون نیاز به فرض تساوی واریانس ندارد.

نکات مهم و تخصصی

• آزمون t مفروض بر توزیع نرمال نمونه‌هاست؛ برای نمونه‌های کوچک بهتر است نرمال بودن را کنترل کنید (شکل، QQ-plot، آزمون شاپیرو–ویل).
• اگر نمونه‌ها خیلی بزرگ باشند، اثر عدم نرمال بودن کمتر است (قضیه حد مرکزی).
• برای چند مقایسه همزمان باید به اصلاح p مانند Bonferroni یا روش‌های دیگر توجه کنید.
• Data Analysis ToolPak اکسل یک رابط گرافیکی برای انجام t-test و گزارش کامل‌تر ارائه می‌دهد.

جدول خلاصه توابع

جمع‌بندی مختصر

تابع t در اکسل مجموعه‌ای از توابع است که هم آزمون t آماده (T.TEST) را فراهم می‌کنند و هم توزیع و معکوس توزیع t (T.DIST و T.INV). برای تحلیل صحیح، باید نوع آزمون (paired/equal/unequal)، جهت آزمون (یک‌طرفه/دوطرفه) و مفروضات (نرمال بودن، واریانس‌ها) را در نظر بگیرید. برای تحلیل‌های دقیق‌تر می‌توانید به محاسبات دستی t و درجات آزادی مراجعه کنید و یا از ToolPak اکسل استفاده نمایید.

لطفاً از کمبود ها و مشکلات این محتوا برای ما بنویسید

ارسال