सांख्यिकीय तकनीकों में महारत हासिल करने से हमें अपने आस-पास की दुनिया को बेहतर ढंग से समझने में मदद मिल सकती है, और डेटा को सही ढंग से संभालना सीखना कई तरह के करियर में उपयोगी साबित हो सकता है। टी-टेस्ट यह निर्धारित करने में मदद कर सकते हैं कि मूल्यों के अपेक्षित सेट और दिए गए मूल्यों के सेट के बीच का अंतर महत्वपूर्ण है या नहीं। हालांकि यह प्रक्रिया पहली बार में मुश्किल लग सकती है, लेकिन थोड़े से अभ्यास के साथ इसका उपयोग करना आसान हो सकता है। आँकड़ों और डेटा की व्याख्या करने के लिए यह प्रक्रिया महत्वपूर्ण है, क्योंकि यह हमें बताती है कि डेटा उपयोगी है या नहीं।
परिकल्पना बताइए। निर्धारित करें कि क्या डेटा एक-पुच्छीय या दो-पुच्छीय परीक्षण की गारंटी देता है। एक-पूंछ वाले परीक्षणों के लिए, शून्य परिकल्पना μ> x के रूप में होगी यदि आप एक नमूने के लिए परीक्षण करना चाहते हैं जो बहुत छोटा है, या μ < x यदि आप एक नमूना माध्य के लिए परीक्षण करना चाहते हैं जो बहुत बड़ा है। वैकल्पिक परिकल्पना μ = x के रूप में है। दो-पुच्छीय परीक्षणों के लिए, वैकल्पिक परिकल्पना अभी भी μ = x है, लेकिन शून्य परिकल्पना μ x में बदल जाती है।
अपने अध्ययन के लिए उपयुक्त महत्व स्तर निर्धारित करें। यह वह मूल्य होगा जिससे आप अपने अंतिम परिणाम की तुलना करेंगे। आम तौर पर, महत्व मान α = .05 या α = .01 पर होते हैं, जो आपकी पसंद पर निर्भर करता है और आप अपने परिणामों को कितना सटीक बनाना चाहते हैं।
नमूना डेटा की गणना करें। सूत्र (x - μ)/SE का उपयोग करें, जहां मानक त्रुटि (SE) जनसंख्या के वर्गमूल (SE = s/√n) का मानक विचलन है। टी-सांख्यिकी निर्धारित करने के बाद, सूत्र n-1 के माध्यम से स्वतंत्रता की डिग्री की गणना करें। पी-मान निर्धारित करने के लिए ग्राफिंग कैलकुलेटर पर टी-टेस्ट फ़ंक्शन में टी-सांख्यिकी, स्वतंत्रता की डिग्री और महत्व स्तर दर्ज करें। यदि आप दो-पूंछ वाले टी-टेस्ट के साथ काम कर रहे हैं, तो पी-मान को दोगुना करें।
परिणामों की व्याख्या करें। P-मान की तुलना पहले बताए गए α महत्व स्तर से करें। यदि यह α से कम है, तो शून्य परिकल्पना को अस्वीकार करें। यदि परिणाम α से अधिक है, तो शून्य परिकल्पना को अस्वीकार करने में विफल रहें। यदि आप शून्य परिकल्पना को अस्वीकार करते हैं, तो इसका अर्थ है कि आपकी वैकल्पिक परिकल्पना सही है, और यह कि डेटा महत्वपूर्ण है। यदि आप शून्य परिकल्पना को अस्वीकार करने में विफल रहते हैं, तो इसका मतलब है कि नमूना डेटा और दिए गए डेटा के बीच कोई महत्वपूर्ण अंतर नहीं है।