第一种公式用于比较两个独立样本的均值差异，其公式为：
t = (X1 - X2) / (s * √(1/n1 + 1/n2))
其中：
* X1 和 X2 是两个独立样本的均值。
* s 是两个样本的合并标准差，计算方式是：(n1-1) * s1^2 + (n2-1) * s2^2) / (n1 + n2 - 2) 的平方根，其中 s1 和 s2 分别是两个样本的标准差，n1 和 n2 是两个样本的样本量。
第二种公式用于比较配对样本或重复测量样本的均值差异，其公式为：
t = (X1 - X2) / (s * √(1/n))
其中：
* X1 和 X2 是配对或重复测量样本的差值均值。
* s 是这些差值的标准差。
* n 是配对或重复测量样本的数量。
请注意，这些公式中的t值都表示样本均值与假设的某个值（通常是0）之间的差异，除以样本的标准误差。t值用于检验这个差异是否显著，即是否足够大，以至于不可能是由随机误差引起的。
在实际应用中，你需要根据具体的研究设计和数据特征选择适当的公式进行计算。同时，计算出的t值需要与临界t值（根据样本量和显著性水平确定的）进行比较，以判断均值差异是否显著。
以下是我的回答，测量t值的计算公式在统计学中至关重要，它主要用于检验样本均值与总体均值之间是否存在显著差异。t值的计算公式为：t = (样本均值 - 总体均值) / (样本标准差 / 根号下样本数量)。其中，样本均值是样本数据的平均值，总体均值是所研究总体的平均值，样本标准差反映了样本数据的离散程度，样本数量则是样本中包含的数据个数。通过计算t值，并结合相应的自由度，我们可以利用t分布表或统计软件来判断样本均值与总体均值之间的差异是否显著。
质量与体积的比值是密度。
测量一粒种子的密度需要测其质量和体积，质量容易测量，用天平；测量体积是难点。
不妨用浸水法，把种子投入细径量杯，液面升高量为种子体积（这里假定种子是沉入水下的）。
即便如此，一粒种子太小，液面升高有限，测不准的。
不妨多用一些相同的种子来测量，比如100颗，先用天平测质量；再用浸水法测体积，计算出密度。多做几次看有多大差异，差异小的话说明方法可靠，取平均值即可