Innehåll
Statistiska test används för att bestämma om ett hypotetiskt samband mellan variabler har statistisk betydelse. Testet mäter vanligtvis i vilken grad variablerna korrelerar eller skiljer sig. Parametriska tester är de som bygger på variablernas centrala tendenser och antar en normalfördelning. Icke-parametriska test gör antaganden om befolkningsfördelningarna.
T-test
T-testet är ett parametriskt test som jämför medel för de prover och populationer som är inblandade. Det finns flera varianter av t-tester. Ett t-test med ett prov jämför jämförelsen av ett prov med ett hypotiserat medelvärde. Ett oberoende provtest testar huruvida medel för två olika prover har liknande värden. Ett parat provtest används när det finns två observationer att jämföra för varje individ i provet. T-testet är utformat för numeriska data som har en normal distribution.
Vanliga data
Vanliga data är härledda data som beskriver de relativa värdena för varje enhet i provet. Exempelvis skulle ordinära data för höjden för 10 elever i ett klassrum helt enkelt vara siffrorna 1 till 10, där 1 kan representera den kortaste studenten och 10 kan representera den högsta studenten. Inga studenter skulle ha samma värde om de inte hade samma höjd. Mätningar av central tendens är meningslösa med ordinära data.
Otillräcklighet med T-test
T-test är inte lämpliga att använda med ordinära data. Eftersom ordinära data inte har någon central tendens har de inte heller någon normalfördelning. Värdena på ordinära data är jämnt fördelade, inte grupperade runt en mittpunkt. På grund av detta skulle ett t-test av ordinära data inte ha någon statistisk betydelse.
Andra lämpliga tester
Det finns tre tester av statistisk betydelse som är lämpliga att använda med ordinära data. Spearmans rangordningskorrelation är lämplig att använda när det bara är två variabler inblandade, och deras förhållande är monoton, men inte nödvändigtvis linjär. I monotoniska förhållanden, när den första variabeln ökar, sker ingen förändring i den andra variabelns riktning. Kruskal-Wallis-testet är utformat för fall där det finns mer än två prover, och data distribueras normalt inte. Det liknar en enkelriktad variansanalys. Friedman-analysen av varians per rang kan användas när det finns tre eller flera observationer av en enda variabel i en enda grupp.