Jak interpretować wyniki testu T ucznia

Opanowanie technik statystycznych może pomóc nam lepiej zrozumieć otaczający nas świat, a nauka prawidłowego posługiwania się danymi może okazać się przydatna w różnych zawodach. Testy T mogą pomóc w ustaleniu, czy różnica między oczekiwanym zestawem wartości a danym zestawem wartości jest znacząca. Chociaż ta procedura może początkowo wydawać się trudna, może być prosta w użyciu przy odrobinie praktyki. Proces ten jest niezbędny do interpretacji statystyk i danych, ponieważ mówi nam, czy dane są przydatne.

Postaw hipotezę. Określ, czy dane uzasadniają jednostronny lub dwustronny test. W przypadku testów jednostronnych hipoteza zerowa będzie miała postać μ > x, jeśli chcesz przetestować średnią próbki, która jest zbyt mała, lub μ < x, jeśli chcesz przetestować, czy średnia próbki jest zbyt duża. Hipoteza alternatywna ma postać μ = x. W przypadku testów dwustronnych alternatywną hipotezą jest nadal μ = x, ale hipoteza zerowa zmienia się na μ ≠ x.

Określ poziom istotności odpowiedni dla twojego badania. Będzie to wartość, z którą porównasz swój wynik końcowy. Ogólnie rzecz biorąc, wartości istotności wynoszą α = 0,05 lub α = 0,01, w zależności od twoich preferencji i tego, jak dokładne mają być twoje wyniki.

instagram story viewer

Oblicz przykładowe dane. Użyj wzoru (x - μ)/SE, gdzie błąd standardowy (SE) jest odchyleniem standardowym pierwiastka kwadratowego populacji (SE = s/√n). Po określeniu statystyki t oblicz stopnie swobody za pomocą wzoru n-1. Wprowadź statystykę t, stopnie swobody i poziom istotności do funkcji testu t na kalkulatorze graficznym, aby określić wartość P. Jeśli pracujesz z dwustronnym testem T, podwój wartość P.

Zinterpretuj wyniki. Porównaj wartość P z poziomem istotności α podanym wcześniej. Jeśli jest mniejsza niż α, odrzuć hipotezę zerową. Jeśli wynik jest większy niż α, nie odrzucaj hipotezy zerowej. Jeśli odrzucisz hipotezę zerową, oznacza to, że Twoja alternatywna hipoteza jest poprawna, a dane są znaczące. Jeśli nie odrzucisz hipotezy zerowej, oznacza to, że nie ma znaczącej różnicy między danymi próbki a danymi podanymi.

Teachs.ru
  • Dzielić
instagram viewer