把握结果的解释
Excel 2003 和 Excel 2007 的 Excel 帮助文件已重写，因为所有早期版本的帮助文件都提供有关解释结果的误导性建议。 示例中，"假设我们注意到，在 50 commuters 的示例中，工作的平均持续时间为30分钟，总体标准偏差为2.5。 我们可以确保总体平均值的间隔为 30 +/-0.692951 "95%"，其中0.692951 是置信度(0.05，2.5，50)返回的值。
对于同一示例，"完成工作的平均持续时间" 为30±0.692951 分钟，或29.3 到30.7 分钟。 " 在此情况下，这也是有关使用概率0.95 在间隔 [30 –0.692951，30 + 0.692951] 内的总体平均值的声明。
在对生成此示例数据的实验之前，传统的 statistician (与 Bayesian statistician 不同)不会对总体平均值的概率分布产生任何陈述。 相反，传统的 statistician 处理假设测试。
例如，传统的 statistician 可能希望执行基于具有已知标准偏差(如2.5)的常规分布的 supposition 的双侧假设测试，这是总体平均值、μ0和 a 的特定预选值。预选的重要性级别(如0.05)。 测试的结果将基于观察样本的值(例如，30)和 null 假设总体平均值为μ0的假设在两个方向上，如果观察到的样本平均值太远，将在 "严重级别 0.05" 处被拒绝。 如果 null 假设被拒绝，则解释是指在 supposition 中，μ0是真正的总体平均值的概率小于 5% 的情况下，μ0。 执行此测试后，传统 statistician 仍无法对总体平均值的概率分布进行任何声明。
另一方面，Bayesian statistician 将从总体平均值(名为 priori 分布)的假设概率分布开始，以与传统 statistician 相同的方式收集实验性证据，并使用此证据若要修改总体平均值的她或其概率分布，从而获得一个 posteriori 分布。 Excel 不提供有助于 Bayesian statistician 的统计函数。 Excel 的统计函数均适用于古典 statisticians。
置信区间与假设测试相关。 根据实验性证据，置信区间对假设总体平均值的简要说明μ0，这将产生总体平均值为μ0的 null 假设以及将产生拒绝的μ0的值。null 假设总体平均值为μ0。 经典 statistician 不能对总体平均值在任何特定间隔内的可能性进行任何声明，因为她或从来没有对此概率分布进行 priori 假设，如果有，则需要此类假设使用实验性证据修改它们。
通过使用本部分开头的示例，了解假设测试和置信区间之间的关系。 在上一节中所述的置信度与 NORMSINV 之间的关系有：
CONFIDENCE(0.05, 2.5, 50) = NORMSINV(1 – 0.05/2) * 2.5 / SQRT(50) = 0.692951
由于样本平均值为30，因此置信区间为 30 +/-0.692951。
现在考虑一个双侧假设测试，其中0.05 包含符合标准偏差2.5 的标准偏差，样本大小为50和特定假设总体平均值μ0。 如果这是真正的总体平均值，则样本平均值将来自具有总体平均值μ0和标准偏差(2.5/SQRT (50))的正态分布。 此分布是对称的μ0，你可能希望在绝对值(样本均值-μ0) > 某些截止值时拒绝 null 假设。 截止值是：如果μ0是真正的总体平均值，则值样本平均值-μ0高于此值或μ0-每个概率 0.05/2 均会出现这种情况。 此截止值是
NORMSINV(1 – 0.05/2) * 2.5/SQRT(50) = CONFIDENCE(0.05, 2.5, 50) = 0. 692951
因此，如果下列语句之一成立，则拒绝 null 假设(总体平均值 = μ0)：
样本平均值-μ0 > 0。 692951
0–样本平均值 > 0。 692951
由于示例平均值等于30，因此这两个语句将成为以下语句：
30-μ0 > 0。 692951
μ0– 30 > 0。 692951
重写它们以便仅在左侧显示μ0会生成以下语句：
μ0 < 30-0。 692951
μ0 > 30 + 0。 692951
这些值是不在置信区间中的μ0的值 [30 –0.692951，30 + 0.692951]。 因此，置信区间 [30 –0.692951，30 + 0.692951] 包含μ0的这些值，其中，总体平均值为μ0的 null 假设不会被拒绝，因为提供了样本证据。 对于此间隔外的μ0的值，null 假设总体平均值为μ0将被拒绝，并提供样本证据。
