Come valutare un campione di due T-Test

Come valutare un campione di due T-Test

Il t-test, noto anche come t-test di Student, può essere messo a diversi utilizzi, ma il confronto dei dati da due insiemi di dati di esempio è un'applicazione comune. Essenzialmente, il t-test di due campioni determina se i due insiemi di campione, statisticamente parlando, hanno significativamente diversi mezzi. Per valutare questa differenza di potenziale, si confronta un valore di t-prova, precedentemente calcolato dai dati di esempio, con un valore di t critico basato sul grado di fiducia richiesto nel test.

Istruzioni

• Determinare il valore alfa che si desidera applicare per la valutazione del t-test. Alpha è la percentuale (in formato decimale) che si commette un errore nella tua conclusione. In particolare, è la probabilità percentuale che erroneamente concludere che c'è una differenza nei due campioni, quando in realtà non c'è. Un livello comune per alpha è 5% (0.05).

• Determinare i "gradi di libertà" di dati di esempio. Calcolare questo aggiungendo il numero di valori numerici nel primo campione insieme al numero di valori nel secondo set, quindi sottraendo 2.

• Cercare il valore di t-test critico su un t-table. Trovare il tuo gradi di libertà a sinistra della tabella e il tuo valore alfa lungo la riga superiore. Dove si incontrano la riga corrispondente al tuo gradi di libertà e la colonna corrispondente alla tua alfa, troverete il valore critico t che si utilizzerà.

• Confrontare la statistica test t (precedentemente calcolato dai dati di esempio) con il valore critico t trovato dalla tabella. Se il valore di t calcolato è maggiore del valore critico t dalla tabella, si concluderà che c'è una differenza statisticamente significativa tra i due campioni. In caso contrario, si concluderà che non c'è alcuna differenza.

Consigli & Avvertenze

  • È un'idea sbagliata comune che il nome del test t di Student si riferisce al suo uso in materia di istruzione, mentre in realtà studente era lo pseudonimo di W.S. Gossett, che ha sviluppato il metodo.
  • Questo t-test richiede di rendere determinati presupposti circa i tuoi dati, ad esempio che i due set di esempio sono entrambi distribuiti normalmente e hanno varianze uguali. Se queste ipotesi non sono vere, la conclusione del t-test può essere sospettato.
  • Alcune t-tabelle richiedono che si divide in primo luogo il valore alfa a metà. Questi sono normalmente indicati con "due code."

POTREBBE PIACERTI ANCHE