სტატისტიკური ტექნიკის დაუფლება დაგვეხმარება უკეთ გავიგოთ ჩვენს გარშემო არსებული სამყარო და მონაცემთა სწორად მოგვარების სწავლა სასარგებლო აღმოჩნდება სხვადასხვა კარიერაში. T- ტესტების საშუალებით შესაძლებელია დადგენა, არის თუ არა მნიშვნელოვანი სხვაობა მოსალოდნელ მნიშვნელობებსა და მოცემულ მნიშვნელობებს შორის. მიუხედავად იმისა, რომ ეს პროცედურა შეიძლება თავიდანვე რთულად გამოიყურებოდეს, ის შეიძლება მარტივი იყოს, ოდნავ პრაქტიკულად გამოიყენოთ. ეს პროცესი სასიცოცხლოდ მნიშვნელოვანია სტატისტიკისა და მონაცემების ინტერპრეტაციისთვის, რადგან ის გვეუბნება, არის თუ არა მონაცემები სასარგებლო.
აღნიშნეთ ჰიპოთეზა. დაადგინეთ, მონაცემები იძლევა ცალმხრივ ან ორგანყოფილ ტესტს. ერთი კუდიანი ტესტებისთვის, ნულოვანი ჰიპოთეზა იქნება μ> x სახით, თუ გსურთ სინჯის საშუალო ზომის ტესტირება ძალიან მცირეა, ან μ
განსაზღვრეთ თქვენი კვლევისთვის შესაბამისი მნიშვნელობის დონე. ეს იქნება ის მნიშვნელობა, რომელსაც შეადარებთ თქვენს საბოლოო შედეგს. საერთოდ, მნიშვნელობის მნიშვნელობები α = .05 ან α = .01 არის, ეს დამოკიდებულია თქვენს უპირატესობაზე და რამდენად ზუსტი გსურთ თქვენი შედეგები იყოს.
გამოთვალეთ ნიმუშის მონაცემები. გამოიყენეთ ფორმულა (x - μ) / SE, სადაც სტანდარტული შეცდომა (SE) არის პოპულაციის კვადრატული ფესვის სტანდარტული გადახრა (SE = s / √n). T- სტატისტიკის დადგენის შემდეგ გამოთვალეთ თავისუფლების ხარისხები ფორმულის n-1 საშუალებით. შეიტანეთ t- სტატისტიკა, თავისუფლების ხარისხები და მნიშვნელობის დონე t- ტესტის ფუნქციაში გრაფიკის კალკულატორზე P- მნიშვნელობის დასადგენად. თუ თქვენ მუშაობთ ორფეხა T-Test– ით, გაორმაგეთ P მნიშვნელობა.
შედეგების ინტერპრეტაცია. შეადარეთ P მნიშვნელობა ადრინდელ α მნიშვნელობის დონეს. თუ α – ზე ნაკლებია, უარყეთ ნულოვანი ჰიპოთეზა. თუ შედეგი აღემატება α- ს, უარი თქვით ნულოვანი ჰიპოთეზის უარყოფით. თუ უარყოფთ ნულოვან ჰიპოთეზას, ეს ნიშნავს, რომ თქვენი ალტერნატიული ჰიპოთეზა სწორია და მონაცემები მნიშვნელოვანია. თუ თქვენ არ უარყოფთ ნულოვან ჰიპოთეზას, ეს ნიშნავს, რომ მნიშვნელოვანი განსხვავება არ არის ნიმუშის მონაცემებსა და მოცემულ მონაცემებს შორის.