Садржај
Савладавање статистичких техника може нам помоћи да боље разумемо свет око нас, а учење исправног руковања подацима може се показати корисним у разним каријерама. Т-тестови могу вам помоћи да се утврди да ли је разлика између очекиваног скупа вредности и датог скупа вредности значајна или не. Иако овај поступак у почетку може изгледати тежак, може га се користити уз мало праксе. Овај процес је од пресудне важности за тумачење статистика и података, јер нам говори да ли су подаци корисни или не.
Поступак
Наведите хипотезу. Утврдите да ли подаци оправдавају једнострани или дворедни тест. За тестове с једним репом, нулта хипотеза ће бити у облику μ> к ако желите тестирати да ли је узорак средњи или мали <<ако желите тестирати за узорак значи да је превелик. Алтернативна хипотеза је у облику μ = к. За тестове с два ребра, алтернативна хипотеза је и даље μ = к, али нулта хипотеза се мења у μ = к.
Одредите ниво значаја који одговара вашем студију. Ово ће бити вредност са којом упоређујете свој коначни резултат. Генерално, вредности значајности су α = .05 или α = .01, у зависности од ваших жеља и колико желите да буду ваши резултати.
Израчунајте податке узорка. Користите формулу (к - μ) / СЕ, где је стандардна грешка (СЕ) стандардна девијација квадратног корена популације (СЕ = с / √н). Након одређивања т-статистике, израчунајте степене слободе помоћу формуле н-1. Унесите т-статистику, нивое слободе и значајност у функцију т-теста на графичком калкулатору да бисте одредили П-вредност. Ако радите са дворедним Т-тестом, удвостручите П-вредност.
Протумачите резултате. Упоредите П-вредност са раније поменутим нивоом α. Ако је мањи од α, одбаците нулту хипотезу. Ако је резултат већи од α, не одбаците нулту хипотезу. Ако одбаците ниједну хипотезу, то значи да је ваша алтернативна хипотеза тачна и да су подаци значајни. Ако не одбаците ниједну хипотезу, то подразумева да нема значајне разлике између узоркованих података и датих података.