Innehåll
Att behärska statistiska tekniker kan hjälpa oss att bättre förstå världen runt oss och att lära oss att hantera data på rätt sätt kan visa sig vara användbara i en mängd karriärer. T-test kan hjälpa till att avgöra om skillnaden mellan en förväntad uppsättning värden och en given uppsättning värden är betydande eller inte. Även om det här förfarandet kan se svårt ut i början, kan det vara enkelt att använda med lite övning. Denna process är avgörande för tolkning av statistik och data, eftersom den berättar om informationen är användbar eller inte.
Procedur
Ange hypotesen. Bestäm om uppgifterna garanterar ett test med en hala eller två halar. För test med en hala kommer nollhypotesen att vara i form av μ> x om du vill testa för ett provvärde som är för litet, eller μ <x om du vill testa för ett provmedelvärde som är för stort. Den alternativa hypotesen är i form av μ = x. För två-svansade tester är den alternativa hypotesen fortfarande μ = x, men nollhypotesen ändras till μ ≠ x.
Bestäm en signifikansnivå som är lämplig för din studie. Det här är värdet du jämför ditt slutliga resultat med. I allmänhet är signifikansvärdena α = 0,05 eller α = 0,01, 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 populationens kvadratrot (SE = s / √n). Efter att ha fastställt t-statistiken, beräkna frihetsgrader genom formeln n-1. Ange t-statistik, frihetsgrader och signifikansnivå i t-testfunktionen på en grafberäknare för att bestämma P-värdet. Om du arbetar med ett två-tailed T-Test, dubbla P-värdet.
Tolk resultaten. Jämför P-värdet med den tidigare angivna α-signifikansnivån. Om det är mindre än α, avvisa nollhypotesen. Om resultatet är större än a, undvik att avvisa nollhypotesen. Om du avvisar nollhypotesen, innebär detta att din alternativa hypotes är korrekt och att uppgifterna är betydande. Om du misslyckas med att avvisa nollhypotesen, innebär detta att det inte finns någon signifikant skillnad mellan exempeldata och givna data.