Inhoud
Het beheersen van statistische technieken kan ons helpen de wereld om ons heen beter te begrijpen, en leren om met gegevens correct om te gaan, kan in verschillende carrières nuttig zijn. T-tests kunnen helpen bepalen of het verschil tussen een verwachte set waarden en een bepaalde set waarden significant is. Hoewel deze procedure er in het begin misschien moeilijk uitziet, kan deze met een beetje oefening eenvoudig te gebruiken zijn. Dit proces is van vitaal belang voor het interpreteren van statistieken en gegevens, omdat het ons vertelt of de gegevens nuttig zijn of niet.
Procedure
Noem de hypothese. Bepaal of de gegevens een eenzijdige of tweezijdige test rechtvaardigen. Voor eenzijdige tests heeft de nulhypothese de vorm van μ> x als u wilt testen op een steekproefgemiddelde die te klein is, of μ <x als u wilt testen op een steekproefgemiddelde die te groot is. De alternatieve hypothese is in de vorm van μ = x. Voor tweezijdige tests is de alternatieve hypothese nog steeds μ = x, maar de nulhypothese verandert in μ ≠ x.
Bepaal een significantieniveau dat geschikt is voor uw studie. Dit is de waarde waarmee u uw eindresultaat vergelijkt. Over het algemeen zijn de significantiewaarden α = .05 of α = .01, afhankelijk van uw voorkeur en hoe nauwkeurig u wilt dat uw resultaten zijn.
Bereken de voorbeeldgegevens. Gebruik de formule (x - μ) / SE, waarbij de standaardfout (SE) de standaardafwijking is van de vierkantswortel van de populatie (SE = s / √n). Na het bepalen van de t-statistiek, bereken vrijheidsgraden met de formule n-1. Voer de t-statistiek, vrijheidsgraden en het significantieniveau in de t-testfunctie op een grafische rekenmachine in om de P-waarde te bepalen. Als u met een tweezijdige T-test werkt, verdubbelt u de P-waarde.
Interpreteer de resultaten. Vergelijk de P-waarde met het eerder genoemde α-significantieniveau. Als het kleiner is dan α, verwerp dan de nulhypothese. Als het resultaat groter is dan α, sla dan de nulhypothese niet af. Als u de nulhypothese verwerpt, betekent dit dat uw alternatieve hypothese correct is en dat de gegevens significant zijn. Als u de nulhypothese niet verwerpt, betekent dit dat er geen significant verschil is tussen de voorbeeldgegevens en de gegeven gegevens.