Освоение статистических методов может помочь нам лучше понять мир вокруг нас, а обучение правильному обращению с данными может оказаться полезным в самых разных сферах деятельности. T-тесты могут помочь определить, является ли существенная разница между ожидаемым набором значений и заданным набором значений. Хотя поначалу эта процедура может показаться сложной, ее можно легко использовать, если немного потренироваться. Этот процесс жизненно важен для интерпретации статистики и данных, поскольку он говорит нам, полезны ли данные.
Сформулируйте гипотезу. Определите, оправдывают ли данные односторонний или двусторонний тест. Для односторонних тестов нулевая гипотеза будет иметь вид μ> x, если вы хотите проверить выборочное среднее значение, которое слишком мало, или μ
Определите уровень значимости, подходящий для вашего исследования. Это будет то значение, с которым вы сравните свой окончательный результат. Как правило, значения значимости составляют α = 0,05 или α = 0,01, в зависимости от ваших предпочтений и того, насколько точными вы хотите, чтобы ваши результаты были.
Рассчитайте данные образца. Используйте формулу (x - μ) / SE, где стандартная ошибка (SE) - это стандартное отклонение квадратного корня из генеральной совокупности (SE = s / √n). После определения t-статистики вычислите степени свободы по формуле n-1. Введите t-статистику, степени свободы и уровень значимости в функцию t-критерия на графическом калькуляторе, чтобы определить P-значение. Если вы работаете с двусторонним T-тестом, удвойте P-значение.
Интерпретируйте результаты. Сравните значение P с уровнем значимости α, указанным ранее. Если он меньше α, отвергните нулевую гипотезу. Если результат больше, чем α, не отвергать нулевую гипотезу. Если вы отклоняете нулевую гипотезу, это означает, что ваша альтернативная гипотеза верна и данные значимы. Если вы не можете отвергнуть нулевую гипотезу, это означает, что нет существенной разницы между данными выборки и заданными данными.