统计计算器
把数据变成看得见的结论
粘贴数据即可完成描述性统计、频数分布、相关回归、正态分布概率与假设检验。计算过程由成熟的 simple-statistics 与 jStat 库驱动，图表用轻量 SVG 绘制，准确又快速。
描述性统计
每行或每格一个数值，自动识别逗号、空格、制表符、分号及中英文标点作为分隔符。
分布可视化
统计指标
频数分布表
输入原始数据；组数留空将按 Sturges 公式自动分组。
分组直方图
频数分布结果
相关与回归
每行一对数据（X 和 Y），用空格或逗号隔开；也可直接粘贴两列。
散点图与回归线
相关系数与分析
正态分布
概率计算
正态曲线
分位数（由概率求临界值）
置信区间与假设检验
检验结果
公式速查
以下为本工具涉及的核心公式（KaTeX 排版）。
样本方差
Pearson 相关系数
线性回归
正态密度
z 统计量
t 统计量
常见问题
描述性统计里的样本标准差和总体标准差有什么区别？
样本标准差用 n−1 作分母（无偏估计），适用于从总体中抽取的样本；总体标准差用 n 作分母，适用于已知全部数据的情况。本工具两种都给出，方便对照。
频数分布表的分组数是怎么确定的？
默认按 Sturges 公式 k = ⌈1 + log₂n⌉ 自动分组；你也可以手动指定组数。每组为左闭右开区间，最后一组包含上限，保证不漏点。
Pearson 相关系数和 Spearman 相关系数该看哪个？
Pearson 衡量线性相关，要求数据近似正态且关系线性；Spearman 基于秩次，对异常值更稳健、能捕捉单调非线性关系。两者结合看更全面。
正态分布概率怎么算？
输入均值 μ 和标准差 σ 后，可求 P(X≤a)、P(X≥a)、P(a<X<b) 或区间外概率，并用 jStat 计算精确值；分位数模块则反过来，由概率求临界值。
假设检验里的 p 值和置信区间怎么理解？
p 值是在原假设成立时观察到当前统计量（或更极端）的概率，小于显著性水平 α 则拒绝原假设；置信区间给出总体参数的可能范围，两者结论通常一致。
计算会用到第三方库吗？准确吗？
所有统计量与分布计算均使用成熟的 simple-statistics 与 jStat 库，避免手写公式带来的数值误差；图表为轻量 SVG 手绘，加载更快、更利于 SEO。