Indhold
At mestre statistiske teknikker kan hjælpe os med bedre at forstå verden omkring os, og at lære at håndtere data korrekt kan vise sig at være nyttige i en række karrierer. T-test kan hjælpe med at bestemme, om forskellen mellem et forventet sæt værdier og et givet sæt værdier er betydelig. Selvom denne procedure kan se vanskelig ud i starten, kan den være enkel at bruge med lidt øvelse. Denne proces er afgørende for fortolkning af statistikker og data, da den fortæller os, om dataene er nyttige eller ej.
Procedure
Angiv hypotesen. Bestem, om dataene garanterer en en-halet eller to-halet test. Ved test med en halet hal er hypotesen i form af μ> x, hvis du vil teste for et prøveeksempel, der er for lille, eller μ <x, hvis du vil teste for et prøveeksemplar, der er for stort. Den alternative hypotese er i form af μ = x. Ved to-halede tests er den alternative hypotese stadig μ = x, men nullhypotesen ændres til μ ≠ x.
Bestem et betydningsniveau, der er passende til din undersøgelse. Dette vil være den værdi, du sammenligner dit slutresultat med. Generelt er signifikansværdierne α = 0,05 eller α = 0,01, afhængigt af din præference og hvor nøjagtige du ønsker, at dine resultater skal være.
Beregn eksempeldata. Brug formlen (x - μ) / SE, hvor standardfejlen (SE) er standardafvigelsen for kvadratroten af populationen (SE = s / √n). Efter bestemmelse af t-statistikken skal du beregne frihedsgrader gennem formlen n-1. Indtast t-statistik, frihedsgrader og signifikansniveau i t-testfunktionen på en grafregner for at bestemme P-værdien. Hvis du arbejder med en to-halet T-test, skal du fordoble P-værdien.
Fortolke resultaterne. Sammenlign P-værdien med det tidligere angivne α-signifikansniveau. Hvis det er mindre end α, skal du afvise nulhypotesen. Hvis resultatet er større end α, skal du undlade at afvise nulhypotesen. Hvis du afviser nulhypotesen, betyder det, at din alternative hypotese er korrekt, og at dataene er betydningsfulde. Hvis du undlader at afvise nulhypotesen, betyder det, at der ikke er nogen signifikant forskel mellem eksempeldata og de givne data.