Att bemästra statistiska tekniker kan hjälpa oss att bättre förstå världen omkring oss, och att lära oss att hantera data korrekt kan visa sig vara användbart i en mängd olika karriärer. T-tester kan hjälpa till att avgöra om skillnaden mellan en förväntad uppsättning värden och en viss uppsättning värden är signifikant. Även om denna procedur kan se svår ut först kan det vara enkelt att använda med lite övning. Denna process är avgörande för tolkning av statistik och data, eftersom den berättar om uppgifterna är användbara eller inte.
Ange hypotesen. Bestäm om uppgifterna garanterar ett ensidigt eller tvåsidigt test. För ensidiga tester kommer nollhypotesen att vara i form av μ> x om du vill testa för ett provmedelvärde som är för litet, eller μ
Bestäm en signifikansnivå som är lämplig för din studie. Detta kommer att vara det värde du jämför ditt slutresultat med. Generellt sett är signifikansvärdena α = .05 eller α = .01, beroende på dina önskemål och hur exakt du vill att dina resultat ska vara.
Beräkna provdata. Använd formeln (x - μ) / SE, där standardfelet (SE) är standardavvikelsen för kvadratroten av populationen (SE = s / √n). Efter att ha bestämt t-statistiken beräknar du frihetsgrader genom formeln n-1. Ange t-statistik, frihetsgrader och signifikansnivå i t-testfunktionen på en grafräknare för att bestämma P-värdet. Om du arbetar med ett tvåsidig T-test, dubbla P-värdet.
Tolka resultaten. Jämför P-värdet med α-signifikansnivån som anges tidigare. Om det är mindre än α, avvisa nollhypotesen. Om resultatet är större än α, misslyckas du med att avvisa nollhypotesen. Om du avvisar nollhypotesen innebär detta att din alternativa hypotes är korrekt och att uppgifterna är betydelsefulla. Om du misslyckas med att avvisa nollhypotesen innebär det att det inte finns någon signifikant skillnad mellan exempeldata och given data.