Satura rādītājs
- T-tests
- T-testa pieņēmumi
T-testus parasti izmanto statistikā un ekonometrijā, lai noteiktu, ka divu rezultātu vai mainīgo lielumi atšķiras viens no otra. Piemēram, ja vēlaties uzzināt, vai pīrāgu daudzums, ko ēduši cilvēki, kas pārsniedz 400 mārciņas, ir statistiski nozīmīgi atšķirīgs no tiem cilvēkiem, kuru svars ir mazāks par 400 mārciņām.
Kopējie pieņēmumi, kas izdarīti, veicot t-testu, ir tādi, kas attiecas uz mērījumu skalu, izlases veida paraugu ņemšanu, datu sadalījuma normalitāti, izlases lieluma pietiekamību un standarta novirzes dispersijas vienādību.
Taustiņu izņemšana
- T-tests ir statistikas metode, ko izmanto, lai noteiktu, vai pastāv būtiska atšķirība starp divu grupu vidējo vērtību, pamatojoties uz datu paraugu. Pārbaude balstās uz pieņēmumu kopumu, lai to pareizi un pareizi interpretētu. Starp šiem pieņēmumiem, no nejaušības principa izraudzīti dati no interesējošās populācijas, un datu mainīgajiem lielumiem ir normāls sadalījums.
T-tests
T-testu izstrādāja ķīmiķis, kas strādā Ginesa alus darīšanas uzņēmumā, kā vienkāršu veidu, kā izmērīt pastāvīgo resno kvalitāti. To turpināja attīstīt un pielāgot, un tagad tas attiecas uz jebkuru statistiskās hipotēzes pārbaudi, kurā paredzamā statistika atbilst t sadalījumam, ja tiek atbalstīta nulles hipotēze.
T-tests ir divu populāciju līdzekļu analīze, izmantojot statistisko pārbaudi; t-testu ar diviem paraugiem parasti izmanto ar maziem paraugu lielumiem, pārbaudot atšķirību starp paraugiem, ja nav zināmas divu normālo sadalījumu dispersijas.
T sadalījums būtībā ir jebkurš nepārtraukts varbūtības sadalījums, kas rodas, aprēķinot vidēji normāli sadalītu populāciju, izmantojot nelielu izlases lielumu un nezināmu standartnovirzi populācijai. Nulles hipotēze ir noklusējuma pieņēmums, ka starp divām dažādām izmērītām parādībām nepastāv saistība. (Par saistīto lasīšanu skatiet: Ko nozīmē spēcīga nulles hipotēze? )
T-testa pieņēmumi
- Pirmais pieņēmums attiecībā uz t-testiem attiecas uz mērījumu skalu. T-testa pieņēmums ir tāds, ka savāktajiem datiem piemērotā mērījumu skala seko nepārtrauktai vai kārtējai skalai, piemēram, IQ testa rādītājiem. Otrais pieņēmums ir vienkārša izlases veida paraugs, ka dati ir kas savākti no reprezentatīvas, nejauši atlasītas kopējās populācijas daļas. Trešais pieņēmums ir, ja diagramma parādīta, iegūst normālu sadalījumu, zvanveida formas sadalījuma līkni. Ja tiek pieņemts normāls sadalījums, kā pieņemšanas kritēriju var norādīt varbūtības līmeni (alfa līmenis, nozīmīguma līmenis, p ). Vairumā gadījumu var pieņemt 5% vērtību. Tiek izmantots ceturtais pieņēmums par samērā lielu izlases lielumu. Lielāks parauga lielums nozīmē, ka rezultātu sadalījumam vajadzētu tuvināties normālai zvanveida formai. Pēdējais pieņēmums ir dispersijas viendabīgums. Viendabīga vai vienāda dispersija pastāv, ja paraugu standartnovirzes ir aptuveni vienādas.
