tilastot, t-testit ovat eräänlainen hypoteesi testin, jonka avulla voit vertailla tarkoittaa. Niitä kutsutaan t-testeiksi, koska jokainen t-testi kiehuu näytteidesi tiedot yhteen numeroon, t-arvoon. Jos ymmärrät, miten t-testit laskevat t-arvot, olet hyvin matkalla ymmärtämään, miten nämä testit toimivat.

tässä virkojen sarjassa keskityn käsitteisiin eikä yhtälöihin osoittaakseni, miten t-testit toimivat. Kuitenkin tämä viesti sisältää kaksi yksinkertaista yhtälöt, että aion työskennellä käyttämällä analogiaa signaali-kohina suhde.,

Minitab Statistical Software tarjoaa 1-näyte t-testi, pariksi t-testi, ja 2-näyte t-testi. Katsotaanpa, miten kukin näistä T-testeistä vähentää näytteen tiedot alas t-arvo.

Miten 1-näyte t-testit laskevat t-arvot

tämän prosessin ymmärtäminen on ratkaisevaa sen ymmärtämiseksi, miten t-testit toimivat. Näytän ensin kaavan ja sitten selitän, miten se toimii.

huomaa, että kaava on suhdeluku. Yleinen analogia on, että t-arvo on signaali-kohina-suhde.

Signaali (a.k.a. vaikutus koko)

osoittaja on signaali., Otat vain näytteen keskiarvon ja vähennät nollahypoteesiarvon. Jos näytteen keskiarvo on 10 ja nollahypoteesi 6, ero eli signaali on 4.

Jos näytteen keskiarvon ja nollan arvon välillä ei ole eroa, osoittajan signaali sekä koko suhteen arvo on nolla. Jos esimerkiksi näytteen keskiarvo on 6 ja nollan arvo 6, ero on nolla.

Koska ero näytteen keskiarvon ja nollahypoteesin tarkoittaa lisää joko positiiviseen tai negatiiviseen suuntaan, signaalin voimakkuuden kasvaessa.,

Melu

nimittäjä on melu. Nimittäjän yhtälö on vaihtelun mitta, joka tunnetaan keskiarvon standardivirheenä. Tämä tilasto osoittaa, kuinka tarkasti otoksesi Arvioi populaation keskiarvon. Suurempi luku osoittaa, että otosarviosi on epätarkempi, koska siinä on enemmän satunnaisvirheitä.

tämä satunnainen virhe on ”kohina.”Kun on enemmän ääntä, voit odottaa nähdä suurempia eroja näytteen keskiarvon ja nollahypoteesin arvo jopa silloin, kun nollahypoteesi on totta., Me sisällytämme nimittäjään melutekijän, koska meidän on määritettävä, onko signaali riittävän suuri erottuakseen siitä.

signaali-kohinasuhde

sekä signaali-että meluarvot ovat tietojesi yksiköissä. Jos signaali on 6 ja melu 2, t-arvo on 3. Tämä t-arvo osoittaa, että ero on 3 kertaa suurempi kuin keskivirhe. Kuitenkin, jos ero on sama koko, mutta tietosi on enemmän vaihtelua (6), t-arvo on vain 1. Signaali on samassa mittakaavassa kuin melu.,

tällä tavalla t-arvojen avulla voit nähdä, kuinka erotettavissa signaali on melusta. Suhteellisen suuret Signaalit ja matala melutaso tuottavat suurempia t-arvoja. Jos signaali ei erotu melusta, on todennäköistä, että havaittu ero näyte arvio ja nollahypoteesi arvo johtuu satunnainen virhe näyte sijaan todellinen ero väestön tasolla.

Pariksi t-testi On Vain 1-Sample t-Test

Monet ihmiset ovat hämmentynyt, kun käyttää pariksi t-testi ja miten se toimii. Kerron sinulle salaisuuden., Pariksi t-testi ja 1-näyte t-testi ovat itse asiassa sama testi valepuvussa! Kuten edellä näimme, 1-näyte t-testi vertaa yhden näytteen keskiarvoa nollahypoteesiarvoon. Pariksi t-testi yksinkertaisesti laskee ero pariksi havaintoja (esim. ennen ja jälkeen) ja sitten suorittaa 1-sample t-testin perusteella eroja.

Voit testata tämän kanssa tämä tietojoukko, jonka haluat nähdä, miten kaikki tulokset ovat samat, mukaan lukien keskimääräinen ero, t-arvo, p-arvo ja luottamusväli ero.,

Ymmärtää, että pariksi t-testi yksinkertaisesti suorittaa 1-sample t-test pariksi eroja voi todella auttaa sinua ymmärtämään, miten pariksi t-testi toimii ja milloin käyttää sitä. Sinun täytyy vain selvittää, onko järkevää laskea ero kunkin parin havaintoja.

esimerkiksi, oletetaan, että ”ennen” ja ”jälkeen” ovat testin tulokset, ja siellä oli intervention välillä., Jos ennen ja jälkeen tulokset kunkin rivin esimerkiksi laskentataulukon edustavat samaa asiaa, on järkevää laskea ero tulokset tässä muoti—parilliset t-testi on sopiva. Kuitenkin, jos pisteet kussakin rivissä ovat eri aiheista, ei ole järkeä laskea eroa. Tässä tapauksessa, sinun pitäisi käyttää toista testiä, kuten 2-näyte t-testi, jota käsittelen alla.

paritetun t-testin avulla voit yksinkertaisesti laskea erot ennen T-testin suorittamista., Sinun täytyy vain olla varma, että parilliset erot ovat järkeviä!

kun on tarkoituksenmukaista käyttää paritettua t-testiä, se voi olla tehokkaampi kuin 2-näytteinen t-testi. Lisätietoja, siirry Overview for paired t.

Miten Kahden Otoksen T-testissä Lasketaan T-Arvot

2-otoksen t-testi otetaan näyte tietoja kahteen ryhmään ja se kiehuu alas t-arvo. Prosessi on hyvin samanlainen kuin 1-sample t-testin, ja voit silti käyttää analogisesti signaali-kohina-suhde. Toisin kuin paritettu t-testi, 2-näytteen t-testi vaatii kullekin näytteelle riippumattomat ryhmät.,

kaava on alla, ja sitten keskustelua.

2-näytteen t-testissä osoittaja on jälleen signaali, joka on kahden näytteen keskiarvon ero. Jos esimerkiksi ryhmän 1 keskiarvo on 10 ja ryhmän 2 keskiarvo 4, ero on 6.

oletuksena nollahypoteesi 2-otoksen t-testissä on, että kaksi ryhmää ovat tasa-arvoisia. Yhtälöstä näkee, että kun kaksi ryhmää ovat yhtä suuret, ero (ja koko suhde) on myös nolla., Kun ero näiden kahden ryhmän välillä kasvaa joko positiiviseen tai negatiiviseen suuntaan, signaali vahvistuu.

2-näytteen t-testissä nimittäjä on edelleen melu, mutta Minitab voi käyttää kahta eri arvoa. Voit joko olettaa, että vaihtelu molemmissa ryhmissä on yhtä suuri tai ole tasa-arvoisia, ja Minitab käyttää vastaavan arvion vaihtelu. Joka tapauksessa periaate pysyy samana: vertaat signaaliasi meluun nähdäksesi, kuinka paljon signaali erottuu.,

Aivan kuten 1-sample t-test, tahansa ero osoittaja, kuten lisätä melua arvo nimittäjä, t-arvo pienenee. Jotta ryhmät olisivat erilaisia, tarvitaan t-arvo, joka on suuri.

mitä t-arvot tarkoittavat?

jokainen t-testityyppi käyttää menetelmää, jolla kaikki näytteidesi tiedot keitetään yhteen arvoon, t-arvoon. Laskelmissa verrataan näytteen keskiarvoja nollahypoteesiin ja otetaan huomioon sekä näytteen koko että tietojen vaihtelu., T-arvo 0 osoittaa, että otoksen tulokset ovat täsmälleen samat kuin nollahypoteesi. Tilastoja, kutsumme ero näyte arvio ja nollahypoteesi vaikutus koko. Kun ero kasvaa, t-arvon itseisarvo kasvaa.

sehän on ihan mukavaa, mutta mitä t-arvo vaikkapa 2 todella tarkoittaa? Keskustelua yllä, me tiedämme, että t-arvo 2 osoittaa, että havaittu ero on kaksi kertaa suurempi vaihtelu tietosi. Kuitenkin, käytämme t-testit, arvioida hypoteeseja sen sijaan, että vain mietitään, signaali-kohina-suhde., Haluamme selvittää, onko vaikutuskoko tilastollisesti merkittävä.

miten saada t-arvot voidaan arvioida hypoteeseja ja määrittää tilastollinen merkitsevyys, lukea toinen viesti tässä sarja, Ymmärrys, t-Testit: t-arvot ja t-jakaumat.