为学生、写作者和研究人员打造
AI 统计学解题器 逐一检查条件
置信区间、假设检验、概率、分布和回归 — 每个答案都会说明适用哪种方法、检查其前提假设，并解释结果的含义。
结果
结果将显示在这里。
四步提问统计学题
给出数据和问题
输入汇总统计量或粘贴一个小数据集，也可以上传不超过 5 MB 的题目照片。
选择年级
默认选中“大学”；入门概率可切换到“高中”，并选择一种讲解方式。
跟随方法
了解为什么适用某种方法、它的条件是否满足，以及代入数字后的每个公式。
解读与练习
答案最后会说明这个数字在语境中的含义、验算方法和一道练习题；还需要帮助的话，可以在 AI 对话中继续。
统计学答案包含什么
例题：均值的 95% 置信区间
以示例题中的样本为例：n = 40，x̄ = 72，s = 8。总体标准差未知，所以区间使用自由度为 n − 1 = 39 的 t 分布。有 40 个观测值时，即使分数略有偏斜，样本均值的抽样分布也接近正态。
标准误为 s ÷ √n = 8 ÷ √40 ≈ 1.265。95% 置信水平、自由度 39 对应的临界值 t* 约为 2.023，所以误差范围为 2.023 × 1.265 ≈ 2.56。区间为 72 ± 2.56，即大约 69.4 到 74.6。
解读和计算同样重要：我们有 95% 的把握认为，真实的平均分大约在 69.4 到 74.6 之间。这个 95% 描述的是方法 — 用这种方法构造的每 100 个区间中，大约有 95 个会包含真实均值 — 而不是说这个特定区间正确的概率为 95%。
要核对均值和标准差等汇总值，可以使用免费的统计计算器和标准差计算器，直接在浏览器中运行。
帮你避开常见误读
p 值不是原假设为真的概率
它是在原假设为真的前提下，得到至少这么极端的数据的概率。它并不能直接说明假设本身有多大可能成立。
不拒绝不等于证明
未能拒绝原假设，只表示证据不够强，并不表示原假设是正确的。
相关不等于因果
观察性研究中很强的 r，并不能说明一个变量导致了另一个变量的变化。
为什么除以 n − 1
除以 n − 1 而不是 n，得到的是样本方差，它是总体方差的无偏估计；它的平方根就是 s。
常见问题
它最适合处理汇总值，或以文本形式粘贴的小数据集。它无法打开电子表格文件，所以请先算出汇总值 — 统计计算器可以帮忙 — 再询问方法。
它涵盖常见的入门和中级课程内容：z 和 t 方法、比例、卡方检验、方差分析基础、相关与线性回归，以及概率规则和正态分布、二项分布、泊松分布。
它不能画图，而是描述形状 — 中心、离散程度、偏态、阴影尾部面积 — 方便你自己画草图或绘图。
Pro 方案已包含，不消耗积分*（*合理使用：写作、学习和代码工具合计每天最多 300 次）。没有方案时，文字输入的问题消耗 2 积分，添加照片则为 3 积分。未登录时，答案的开头部分会作为免费预览显示。
这取决于你的课程。学习分步方法，与自己的解答对比，并遵守老师对 AI 工具的规定。
会 — 查表和四舍五入是常见的出错点。请重新计算关键数值，并确认解读回答的是题目所问的问题。