תוֹכֶן
שליטה בטכניקות סטטיסטיות יכולה לעזור לנו להבין טוב יותר את העולם שסביבנו, וללמוד לטפל בנתונים בצורה נכונה יכול להוכיח מועיל במגוון קריירות. מבחני T יכולים לעזור לקבוע אם ההבדל בין מערכת ערכים צפויה לקבוצת ערכים נתונה הוא משמעותי. בעוד שתהליך זה עשוי להיראות קשה בהתחלה, זה יכול להיות פשוט לשימוש עם קצת תרגול. תהליך זה חיוני לפרשנות סטטיסטיקה ונתונים, מכיוון שהוא אומר לנו אם הנתונים מועילים או לא.
תהליך
קבע את ההשערה. קבע אם הנתונים מצדיקים מבחן חד-זנב או דו-זנב. בבדיקות חד-זנביות, השערת האפס תהיה בצורת μ> x אם ברצונך לבדוק עבור מדגם מדגם שהוא קטן מדי, או μ <x אם ברצונך לבדוק אם מדובר במדגם גדול מדי. ההשערה החלופית היא בצורה של μ = x. בבדיקות דו-זנב ההשערה האלטרנטיבית היא עדיין μ = x, אולם השערת האפס משתנה ל- μ ≠ x.
קבע את רמת המשמעות המתאימה למחקר שלך. זה יהיה הערך שאתה משווה את התוצאה הסופית שלך אליו. באופן כללי, ערכי המשמעות הם ב α = .05 או α = .01, תלוי בהעדפתך וכמה מדויק אתה רוצה שהתוצאות שלך יהיו.
חשב את נתוני המדגם. השתמש בנוסחה (x - μ) / SE, כאשר שגיאת התקן (SE) היא סטיית התקן של שורש הריבוע של האוכלוסייה (SE = s / √n). לאחר קביעת סטטיסטיקת ה- t, חישב דרגות חופש באמצעות הנוסחה n-1. הזן את סטטיסטיקת t, דרגות החופש ורמת המשמעות לפונקציית מבחן ה- t במחשבון גרף כדי לקבוע את ערך ה- P. אם אתה עובד עם מבחן T דו-זנב, הכפיל את ערך ה- P.
פרש את התוצאות. השווה את ערך ה- P לרמת המשמעות α שצוינה קודם. אם זה פחות מ- α, דחו את השערת האפס. אם התוצאה גדולה מ- α, לא לדחות את השערת האפס. אם אתה דוחה את השערת האפס, פירוש הדבר שההשערה האלטרנטיבית שלך נכונה, וכי הנתונים משמעותיים. אם לא תדחה את השערת האפס, פירוש הדבר כי אין הבדל משמעותי בין נתוני המדגם לנתונים הנתונים.