Съдържание
Овладяването на статистическите техники може да ни помогне да разберем по-добре света около нас, а да се научим да обработваме правилно данните, може да се окаже полезно в различни кариери. T-тестовете могат да помогнат да се определи дали разликата между очаквания набор от стойности и даден набор от стойности е значителна или не. Въпреки че тази процедура може да изглежда трудна в началото, тя може да бъде проста за използване с малко практика. Този процес е жизненоважен за интерпретирането на статистически данни и данни, тъй като ни казва дали данните са полезни или не.
процедура
Посочете хипотезата. Определете дали данните потвърждават тест с едно опашка или с две опашки. При еднократните тестове нулевата хипотеза ще бъде под формата на μ> x, ако искате да тествате за извадка средна стойност, която е твърде малка, или μ <x, ако искате да тествате за проба, която е твърде голяма. Алтернативната хипотеза е под формата на μ = x. При тестовете с две опашки алтернативната хипотеза все още е μ = x, но нулевата хипотеза се променя на μ ≠ x.
Определете ниво на значимост, подходящо за вашето изследване. Това ще бъде стойността, с която сравнявате крайния си резултат. Като цяло стойностите на значимостта са при α = .05 или α = .01, в зависимост от предпочитанията ви и от това колко точно искате да бъдат резултатите ви.
Изчислете примерните данни. Използвайте формулата (x - μ) / SE, където стандартната грешка (SE) е стандартното отклонение на квадратния корен на популацията (SE = s / √n). След определяне на t-статистиката, изчислете степените на свобода чрез формулата n-1. Въведете t-статистика, степени на свобода и значимост във функцията t-test на графичен калкулатор, за да определите P-стойността. Ако работите с T-Test с две опашки, удвоете P-стойността.
Интерпретирайте резултатите. Сравнете P-стойността с нивото на значимост α, посочено по-рано. Ако е по-малко от α, отхвърлете нулевата хипотеза. Ако резултатът е по-голям от α, не успейте да отхвърлите нулевата хипотеза. Ако отхвърлите нулевата хипотеза, това означава, че вашата алтернативна хипотеза е правилна и че данните са значими. Ако не успеете да отхвърлите нулевата хипотеза, това означава, че няма съществена разлика между примерните данни и дадените данни.