Sisältö
Tilastollisten tekniikoiden hallitseminen voi auttaa meitä ymmärtämään paremmin ympäröivää maailmaa, ja oppia käsittelemään tietoja oikein voi osoittautua hyödylliseksi monella uralla. T-testit voivat auttaa määrittämään, onko odotetun arvojoukon ja annetun arvojoukon välinen ero merkittävä. Vaikka tämä toimenpide voi aluksi näyttää vaikealtä, se voi olla helppokäyttöinen hieman harjoitellessa. Tämä prosessi on elintärkeä tilastojen ja tietojen tulkinnalle, koska se kertoo, onko tiedoista hyötyä vai ei.
menettely
Ilmoita hypoteesi. Selvitä, onko tieto perus- tai kaksisuuntainen testi. Yhdensuuntaisten testien nollahypoteesi on muodossa μ> x, jos haluat testata liian pienen näytteen keskiarvon, tai μ <x, jos haluat testata liian suuren näytteen keskiarvon. Vaihtoehtoinen hypoteesi on muodossa μ = x. Kaksisuuntaisen testin vaihtoehtoinen hypoteesi on edelleen μ = x, mutta nollahypoteesi muuttuu arvoon μ ≠ x.
Määritä tutkimuksellesi sopiva merkitsevyystaso. Tämä on arvo, johon vertaat lopputulosta. Yleensä merkitsevyysarvot ovat α = .05 tai α = .01, riippuen mielestäsi ja kuinka tarkkojen tulosten haluat.
Laske näytteen tiedot. Käytä kaavaa (x - μ) / SE, jossa vakiovirhe (SE) on populaation neliöjuuren keskihajonta (SE = s / √n). T-tilastotietojen määrittämisen jälkeen laske vapausaste kaavan n-1 avulla. Syötä t-tilastotiedot, vapausasteet ja merkitsevyystaso t-testitoimintoon graafisen laskurin avulla P-arvon määrittämiseksi. Jos työskentelet kaksisuuntaisen T-testin kanssa, tuplaa P-arvo.
Tulkitse tulokset. Vertaa P-arvoa aikaisemmin ilmoitettuun α-merkitsevyystasoon. Jos se on pienempi kuin α, hylkää nollahypoteesi. Jos tulos on suurempi kuin α, älä hylkää nollahypoteesia. Jos hylkäät nollahypoteesin, tämä tarkoittaa, että vaihtoehtoinen hypoteesi on oikein ja että tiedot ovat merkittäviä. Jos et hylkää nollahypoteesiä, tämä merkitsee, että otantadatan ja annetun tiedon välillä ei ole merkittävää eroa.