Indhold
Statistiske test bruges til at bestemme, om et hypotetisk forhold mellem variabler har statistisk betydning. Testet måler typisk i hvilken grad variablerne enten korrelerer eller adskiller sig. Parametriske tests er dem, der er afhængige af de centrale tendenser for variablerne og antager en normal fordeling. Ikke-parametriske test antager ikke antagelser om befolkningsfordelingen.
T-test
T-testen er en parametrisk test, der sammenligner midlerne til de involverede prøver og populationer. Der er flere sorter af t-tests. En t-test med én prøve sammenligner gennemsnittet af en prøve med et hypotetisk middelværdi. En uafhængig prøve-t-test ser på, om middelet til to forskellige prøver har lignende værdier. En parret prøve-t-test bruges, når der er to observationer at sammenligne for hvert individ i prøven. T-testen er designet til numeriske data, der har en normal fordeling.
Ordinære data
Ordinære data er afledte data, der beskriver de relative værdier for hver enhed i prøven. For eksempel er ordinære data for højderne for 10 studerende i et klasseværelse simpelthen numrene 1 til 10, hvor 1 muligvis repræsenterer den korteste studerende og 10 muligvis repræsenterer den højeste studerende. Ingen studerende ville have den samme værdi, medmindre de havde nøjagtigt den samme højde. Målinger af central tendens er meningsløse med ordinære data.
Utilstrækkelighed ved T-test
T-test er ikke passende til brug sammen med ordinære data. Da ordinaldata ikke har nogen central tendens, har de heller ingen normal distribution. Værdierne af ordinaldata er jævnt fordelt og ikke grupperet omkring et midtpunkt. På grund af dette ville en t-test af ordinære data ikke have nogen statistisk betydning.
Andre passende tests
Der er tre test med statistisk signifikans, der er passende at bruge sammen med ordinære data. Spearmans rangordrelseskorrelation er passende at bruge, når der kun er to variabler involveret, og deres forhold er monotonisk, men ikke nødvendigvis lineær. I monotoniske forhold, når den første variabel stiger, er der ingen ændring i retningen af den anden variabel. Kruskal-Wallis-testen er designet til tilfælde, hvor der er mere end to prøver, og dataene distribueres normalt ikke. Det ligner en envejs variansanalyse. Friedman-analysen af varians efter rang kan bruges, når der er tre eller flere observationer af en enkelt variabel i en enkelt gruppe.