Contenuto
Padroneggiare le tecniche statistiche può aiutarci a comprendere meglio il mondo che ci circonda e imparare a gestire correttamente i dati può rivelarsi utile in una varietà di carriere. I T-Test possono aiutare a determinare se la differenza tra un set di valori previsto e un determinato set di valori è significativa. Sebbene all'inizio questa procedura possa sembrare difficile, può essere semplice da usare con un po 'di pratica. Questo processo è fondamentale per l'interpretazione di statistiche e dati, in quanto ci dice se i dati sono utili o meno.
Procedura
Dichiarare l'ipotesi. Determinare se i dati giustificano un test a una coda o due code. Per i test a una coda, l'ipotesi nulla sarà sotto forma di μ> x se si desidera verificare una media del campione troppo piccola o μ <x se si desidera verificare una media del campione troppo grande. L'ipotesi alternativa è sotto forma di μ = x. Per i test a due code, l'ipotesi alternativa è ancora μ = x, ma l'ipotesi nulla cambia in μ ≠ x.
Determina un livello di significatività appropriato per il tuo studio. Questo sarà il valore con cui confronterai il risultato finale. Generalmente, i valori di significatività sono α = .05 o α = .01, a seconda delle preferenze e della precisione con cui si desidera che i risultati siano.
Calcola i dati del campione. Utilizzare la formula (x - μ) / SE, dove l'errore standard (SE) è la deviazione standard della radice quadrata della popolazione (SE = s / √n). Dopo aver determinato la statistica t, calcolare i gradi di libertà attraverso la formula n-1. Immettere la statistica t, i gradi di libertà e il livello di significatività nella funzione test t su un calcolatore grafico per determinare il valore P. Se stai lavorando con un test T a due code, raddoppia il valore P.
Interpreta i risultati. Confronta il valore P con il livello di significatività α indicato in precedenza. Se è inferiore a α, respingere l'ipotesi nulla. Se il risultato è maggiore di α, non si respinge l'ipotesi nulla. Se si rifiuta l'ipotesi nulla, ciò implica che l'ipotesi alternativa è corretta e che i dati sono significativi. Se non si respinge l'ipotesi nulla, ciò implica che non vi è alcuna differenza significativa tra i dati di esempio e i dati forniti.