Brand 列先 TRIM 再分组
DATA 表的 Brand 列有 26 种写法，去掉首尾空格后只有 13 个品牌。带空格的记录有 10,040 条，其中 2,334 条是 Audi、BMW 或 Mercedes。直接按文字筛选时，「 BMW 」这样的单元格和「BMW」不相等，这 2,334 条会被分进非豪华组。两组的样本量、均值和方差都会跟着变，价格和里程两项检验一起受影响。
官方要求先用 TRIM 清理 Brand，再分组。清理只改标签，不删行：做完以后豪华组 232,172 条，非豪华组 772,828 条，合计仍是 1,005,000 条。拿这两个数核对自己的分组，对不上就回去查 TRIM 有没有填到最后一行。
价格：p 值在 Excel 里显示 0
豪华组平均车价 INR 2,263,044.81，非豪华组 INR 637,329.14，相减得到 INR 1,625,715.67。标准误按两组各自的样本方差除以各自样本量，相加后开方，结果是 INR 3,291.25。均值差除以标准误，统计量是 493.95。
用 =2*NORM.S.DIST(-ABS(T),TRUE) 算双侧 p 值，单元格会显示 0。统计量这么大，尾部概率小到 Excel 存不下，0 是计算下溢的结果，报告里写 p < 0.0001。p 值低于 1% 和 5%，两个水平下都拒绝均值相等。官方要求强调两个水平下结论有没有变化，价格这一项没有变化，也要明确写出来。
价差可以再换算成相对差：1,625,715.67 除以非豪华组均值，约 255%，写的时候注明以非豪华组为基准。它是没有控制车龄和里程的组间差，不能当成每辆豪华车统一的品牌加价。
里程：差 127.6 km，p 值 0.759
两组平均里程分别是 202,962.02 km 和 202,834.41 km，差 127.60 km。同一套公式算下来：
| 项目 | 里程 |
|---|---|
| 均值差 | 127.60 km |
| 标准误 | 416.10 km |
| 统计量 | 0.31 |
| 双侧 p 值 | 0.759 |
标准误比均值差还大，因为两组里程的组内波动很大，样本标准差都在 17.5 万 km 左右。豪华组方差除以 232,172 约为 133,427，非豪华组方差除以 772,828 约为 39,709，相加开方得到 416 km。豪华组记录少，这一项占了约 77%。一百万行把标准误压到 416 km，127.6 km 的差仍只有它的 0.31 倍，这就是表里的统计量。
p = 0.759 在 1% 和 5% 下都不拒绝原假设，结论写成「证据不足以支持两组总体平均里程不同」。均值差的 95% 区间是 −687.93 到 943.14 km，包含 0，和这个判断一致。
不拒绝原假设时有第二类错误的风险：总体里程差真实存在，检验没有检出。3,908 条超过一百万公里的记录按要求保留，它们抬高方差，让同样大小的差更难检出；重复记录可能让按行数算出的标准误偏小。这两点可以写进检验功效的讨论。
