Welchův oboustranný t-test
V případě oboustranného testu řešíme pouze to, zda je mezi středními hodnotami rozdíl. Vraťme se k našemu příkladu s počty vyrobených výrobků ve dvou různých závodech. Nyní tedy rozhodneme pouze o tom, zda se průměrné počty mezi závody liší.
Naše hypotézy jsou nyní:
(Střední hodnota obou souborů je stejná.)
(Střední hodnota prvního souboru je nižší.)
Soubor s daty i výpočty si můžete stáhnout zde.
Test opět provedeme na hladině významnosti 
.
Výpočet pomocí doplňku Analýza dat
Test spustíme pomocí stejného postupu jako v ostatních variantách. Hodnota statistiky testu je 
. p-hodnotu a hranici kritického oboru nyní najdeme v posledních dvou řádcích. p-hodnota testu je 
. Kritický obor je v případě oboustranného testu rozdělen na dvě části. Analýza dat nám vrací dolní hranici pravé části, horní hranici levé získáme, když před danou hranici napíšeme 0. Kritický obor je tedy 
.
Statistika tedy leží v kritickém oboru a p-hodnota je nižší než hladina významnosti, na tedy zamítáme 
. Tentokrát jsme však pouze prokázali, že mezi výkonností závodů existuje rozdíl, nelze však tvrdit, že v druhém závodě je výkonnost vyšší.
Výpočet pomocí funkce T.TEST
V případě oboustranného testu zadáváme na třetí pozici číslo 2, díky čemuž nám funkce T.TEST vrátí p-hodnotu oboustranného testu. V našem případě to je tedy hodnota .
=T.TEST(A2:A21,B2:B26,2,3)
Python alternativa:
from scipy.stats import ttest_ind
t_stat, p_value = ttest_ind(x, y, equal_var=False, alternative="two-sided")
V případě oboustranného testu je vrácená hodnota vždy správná a funkci již nemusíme nijak upravovat.