Zawartość
Opanowanie technik statystycznych może pomóc nam lepiej zrozumieć otaczający nas świat, a nauka prawidłowego obchodzenia się z danymi może okazać się przydatna w różnych karierach. Testy T mogą pomóc ustalić, czy różnica między oczekiwanym zestawem wartości a danym zestawem wartości jest znacząca. Chociaż na początku ta procedura może wydawać się trudna, może być prosta w użyciu z odrobiną praktyki. Ten proces jest niezbędny do interpretacji statystyk i danych, ponieważ mówi nam, czy dane są przydatne, czy nie.
Procedura
Podaj hipotezę. Ustal, czy dane wymagają testu jednostronnego czy dwustronnego. W przypadku testów jednostronnych hipoteza zerowa będzie miała postać μ> x, jeśli chcesz przetestować średnią próbki, która jest zbyt mała, lub μ <x, jeśli chcesz przetestować średnią próbki, która jest zbyt duża. Alternatywna hipoteza ma postać μ = x. W przypadku testów dwustronnych hipoteza alternatywna wciąż wynosi μ = x, ale hipoteza zerowa zmienia się na μ ≠ x.
Określ poziom istotności odpowiedni dla twojego badania. Będzie to wartość, z którą porównujesz swój wynik końcowy. Zasadniczo wartości istotności wynoszą α = 0,05 lub α = 0,01, w zależności od preferencji i tego, jak dokładne mają być wyniki.
Oblicz przykładowe dane. Użyj wzoru (x - μ) / SE, gdzie błąd standardowy (SE) to odchylenie standardowe pierwiastka kwadratowego populacji (SE = s / √n). Po określeniu statystyki t oblicz stopnie swobody za pomocą wzoru n-1. Wprowadź statystykę t, stopnie swobody i poziom istotności do funkcji testu t kalkulatora graficznego, aby określić wartość P. Jeśli pracujesz z dwustronnym testem T, dwukrotnie zwiększ wartość P.
Interpretuj wyniki. Porównaj wartość P z podanym wcześniej poziomem istotności α. Jeśli jest mniejsza niż α, odrzuć hipotezę zerową. Jeśli wynik jest większy niż α, nie odrzucaj hipotezy zerowej. Jeśli odrzucisz hipotezę zerową, oznacza to, że twoja alternatywna hipoteza jest poprawna i że dane są znaczące. Jeśli nie odrzucisz hipotezy zerowej, oznacza to, że nie ma znaczącej różnicy między danymi próbki a danymi danymi.