Овладяването на статистически техники може да ни помогне да разберем по-добре света около нас, а научаването да боравим правилно с данни може да се окаже полезно в различни кариери. T-тестовете могат да помогнат да се определи дали разликата между очакван набор от стойности и даден набор от стойности е значителна или не. Въпреки че в началото тази процедура може да изглежда трудна, тя може да бъде лесна за използване с малко практика. Този процес е жизненоважен за интерпретиране на статистически данни и данни, тъй като ни казва дали данните са полезни или не.
Изложете хипотезата. Определете дали данните оправдават едностранен или двустранен тест. За тестове с една опашка нулевата хипотеза ще бъде под формата на μ> x, ако искате да тествате за проба, която е твърде малка, или μ
Определете ниво на значимост, подходящо за вашето проучване. Това ще бъде стойността, с която сравнявате крайния си резултат. Обикновено стойностите на значимост са на α = .05 или α = .01, в зависимост от вашите предпочитания и до колко точно искате да бъдат вашите резултати.
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 степени на свобода чрез формулата n-1. Въведете t-статистика, степени на свобода и ниво на значимост във функцията t-тест на графичен калкулатор, за да определите P-стойността. Ако работите с двустранен T-тест, удвоете P-стойността.
Интерпретирайте резултатите. Сравнете Р-стойността с нивото на значимост на α, посочено по-рано. Ако е по-малко от α, отхвърлете нулевата хипотеза. Ако резултатът е по-голям от α, не отхвърляйте нулевата хипотеза. Ако отхвърлите нулевата хипотеза, това означава, че алтернативната ви хипотеза е вярна и че данните са значими. Ако не успеете да отхвърлите нулевата хипотеза, това означава, че няма значителна разлика между примерните данни и дадените данни.