O domínio das técnicas estatísticas pode nos ajudar a entender melhor o mundo ao nosso redor, e aprender a lidar com os dados corretamente pode ser útil em uma variedade de carreiras. Os testes-T podem ajudar a determinar se a diferença entre um conjunto de valores esperado e um determinado conjunto de valores é ou não significativa. Embora este procedimento possa parecer difícil no início, pode ser simples de usar com um pouco de prática. Este processo é vital para interpretar estatísticas e dados, pois nos diz se os dados são úteis ou não.
Declare a hipótese. Determine se os dados justificam um teste unilateral ou bicaudal. Para testes unicaudais, a hipótese nula estará na forma de μ> x se você quiser testar uma média de amostra que é muito pequena, ou μ
Determine um nível de significância apropriado para seu estudo. Este será o valor com o qual você compara seu resultado final. Geralmente, os valores de significância estão em α = 0,05 ou α = 0,01, dependendo de sua preferência e de quão precisos você deseja que seus resultados sejam.
Calcule os dados da amostra. Use a fórmula (x - μ) / SE, onde o erro padrão (SE) é o desvio padrão da raiz quadrada da população (SE = s / √n). Depois de determinar a estatística t, calcule os graus de liberdade por meio da fórmula n-1. Insira a estatística t, os graus de liberdade e o nível de significância na função de teste t em uma calculadora gráfica para determinar o valor P. Se você estiver trabalhando com um teste-T bicaudal, dobre o valor-P.
Interprete os resultados. Compare o valor P com o nível de significância α declarado anteriormente. Se for menor que α, rejeite a hipótese nula. Se o resultado for maior que α, deixe de rejeitar a hipótese nula. Se você rejeitar a hipótese nula, isso implica que sua hipótese alternativa está correta e que os dados são significativos. Se você falhar em rejeitar a hipótese nula, isso implica que não há diferença significativa entre os dados da amostra e os dados fornecidos.