Padroneggiare le tecniche statistiche può aiutarci a comprendere meglio il mondo che ci circonda e imparare a gestire correttamente i dati può rivelarsi utile in una varietà di carriere. I T-Test possono aiutare a determinare se la differenza tra un insieme di valori previsto e un dato insieme di valori è significativa. Sebbene questa procedura possa sembrare difficile all'inizio, può essere semplice da usare con un po' di pratica. Questo processo è fondamentale per interpretare statistiche e dati, poiché ci dice se i dati sono utili o meno.
Esponi l'ipotesi. Determinare se i dati giustificano un test a una o due code. Per i test a una coda, l'ipotesi nulla sarà nella forma di μ > x se si desidera verificare una media campionaria troppo piccola, o μ < x se si desidera verificare una media campionaria troppo grande. L'ipotesi alternativa è nella forma di μ = x. Per i test a due code, l'ipotesi alternativa è ancora μ = x, ma l'ipotesi nulla cambia in μ ≠ x.
Determina un livello di significatività appropriato per il tuo studio. Questo sarà il valore con cui confrontare il risultato finale. In genere, i valori di significatività sono α = .05 o α = .01, a seconda delle tue preferenze e della precisione con cui desideri che i risultati siano.
Calcola i dati del campione. Utilizzare la formula (x - μ)/SE, dove l'errore standard (SE) è la deviazione standard della radice quadrata della popolazione (SE = s/√n). Dopo aver determinato la statistica t, calcolare i gradi di libertà attraverso la formula n-1. Immettere la statistica t, i gradi di libertà e il livello di significatività nella funzione t-test su una calcolatrice grafica per determinare il valore P. Se stai lavorando con un T-Test a due code, raddoppia il valore P.
Interpreta i risultati. Confronta il valore P con il livello di significatività α indicato in precedenza. Se è minore di α, rifiuta l'ipotesi nulla. Se il risultato è maggiore di α, non rifiutare l'ipotesi nulla. Se rifiuti l'ipotesi nulla, ciò implica che la tua ipotesi alternativa è corretta e che i dati sono significativi. Se non si rifiuta l'ipotesi nulla, ciò implica che non vi è alcuna differenza significativa tra i dati del campione e i dati forniti.