Садржај
Статистички тестови користе се за утврђивање да ли хипотетизирани однос између променљивих има статистички значај. Обично ће тест мерити степен до кога варијабле или корелирају или се разликују. Параметријски тестови су они који се ослањају на централне тенденције променљивих и претпостављају нормалну дистрибуцију. Непараметарски тестови не дају претпоставке о дистрибуцији становништва.
Т-тест
Т-тест је параметрични тест који упоређује средства укључених узорака и популација. Постоји неколико варијанти т-тестова. Т-тест једног узорка упоређује средину узорка са средњом претпоставком. Независни т-тест узорака гледа има ли средства два различита узорка сличне вриједности. Употребљени т-тест упареног узорка користи се када постоје два опажања за поређење за сваки субјект у узорку. Т-тест је дизајниран за нумеричке податке који имају нормалну дистрибуцију.
Обични подаци
Обични подаци су изведени подаци који описују релативне вредности сваке јединице у узорку. На пример, редовни подаци о висини 10 ученика у учионици били би једноставно бројеви 1 до 10, при чему 1 може представљати најкраћег ученика, а 10 може представљати највишег ученика. Ниједан студент не би имао исту вредност ако није имао потпуно исту висину. Мјере средишње тенденције су бесмислене ординалним подацима.
Неприкладност Т-теста
Т-тестови нису прикладни за употребу са редним подацима. Будући да редни подаци немају централну тенденцију, такође немају нормалну дистрибуцију. Вриједности ординалних података су равномјерно распоређене, а нису груписане око средње тачке. Због тога т-тест ординалних података не би имао статистичко значење.
Остали одговарајући тестови
Постоје три испитивања од статистичког значаја која су прикладна за употребу са редним подацима. Спеарманова ранг-веза између редоследа је погодна за употребу када су укључене само две променљиве и њихов однос је монотон, али не нужно и линеаран. У монотоним односима, како се повећава прва променљива, не постоји промена у смеру друге променљиве. Крускал-Валлисов тест дизајниран је за случајеве када постоје више од два узорка, а подаци се обично не дистрибуирају. То је слично једносмерној анализи варијансе. Фриедманова анализа варијанце по ранговима може се користити када у једној групи постоје три или више опажања једне променљиве.