Sisältö
Tilastollisia testejä käytetään määrittämään, onko hypoteettisella suhteella muuttujien välillä tilastollista merkitystä. Tyypillisesti testi mittaa sitä, missä määrin muuttujat joko korreloivat tai eroavat. Parametriset testit ovat niitä, jotka luottavat muuttujien keskitetyihin taipumuksiin ja olettavat normaalin jakauman. Ei-parametriset testit eivät tee oletuksia populaation jakautumisesta.
T-testi
T-testi on parametrinen testi, jossa verrataan näytteiden keskiarvoja ja mukana olevia populaatioita. T-testejä on useita erilaisia. Yhden näytteen t-testissä verrataan näytteen keskiarvoa oletettuun keskiarvoon. Riippumattomien näytteiden t-testissä tarkastellaan, onko kahden eri näytteen keskiarvo samanlainen. Parillisen näytteen t-testiä käytetään, kun on kaksi havaintoa verrata kunkin näytteen kohteena olevaa kohdetta. T-testi on suunniteltu numeerista dataa varten, jolla on normaali jakauma.
Ordinal Data
Normaalitiedot ovat johdettuja tietoja, jotka kuvaavat näytteen kunkin yksikön suhteellisia arvoja. Esimerkiksi luokkahuoneessa olevan 10 oppilaan korkeuden normaalitiedot olisivat yksinkertaisesti numerot 1–10, missä 1 voi edustaa lyhyintä oppilasta ja 10 voi olla korkein opiskelija. Yhdelläkään opiskelijalla ei olisi samaa arvoa, ellei heillä olisi täsmälleen sama korkeus. Keskeisen taipumuksen mitat ovat merkityksettömiä ordinaalisten tietojen kanssa.
T-testin virheellisyys
T-testit eivät ole sopivia käytettäväksi perustietojen kanssa. Koska ordinaalisella tiedolla ei ole keskitetyn taipumuksen omaavaa merkitystä, sillä ei ole myöskään normaalia jakautumista. Järjestystiedon arvot ovat jakautuneet tasaisesti, eivät ryhmitelty keskipisteen ympärille. Tämän vuoksi ordinaalisten tietojen t-testillä ei olisi tilastollista merkitystä.
Muut sopivat testit
On olemassa kolme tilastollisesti merkitsevää testiä, jotka ovat sopivia käytettäväksi ordinaalisten tietojen kanssa. Spearmanin järjestyskorrelaatio on sopiva käyttää, kun mukana on vain kaksi muuttujaa, ja niiden suhde on monotoninen, vaikkakaan ei välttämättä lineaarinen. Monotonisissa suhteissa ensimmäisen muuttujan kasvaessa toisen muuttujan suunnassa ei tapahdu muutosta. Kruskal-Wallis-testi on suunniteltu tapauksiin, joissa on enemmän kuin kaksi näytettä, ja tietoja ei normaalisti jaeta. Se on samanlainen kuin yksisuuntainen varianssianalyysi. Friedmanin varianssianalyysiä luokkien mukaan voidaan käyttää, kun yhdessä ryhmässä on kolme tai enemmän havaintoja yhdestä muuttujasta.