이해 t-테스트:1-샘플,2-샘플 Paired t-테스트
에서 통계,t-검사는 유형의 가설을 테스트할 수 있는 비교하는 것을 의미한다. 각 t-테스트는 샘플 데이터를 하나의 숫자 인 t-값으로 비등시키기 때문에 t-테스트라고합니다. T-테스트가 t-값을 계산하는 방법을 이해한다면 이러한 테스트가 어떻게 작동하는지 이해하는 방법에 대해 잘 알고 있습니다.
이 일련의 게시물에서 t-테스트가 어떻게 작동하는지 보여주기 위해 방정식보다는 개념에 초점을 맞추고 있습니다. 그러나이 게시물에는 신호 대 잡음비의 비유를 사용하여 작업 할 두 가지 간단한 방정식이 포함되어 있습니다.,
Minitab 통계 소프트웨어는 1 샘플 t 테스트,쌍 t 테스트 및 2 샘플 t 테스트를 제공합니다. 이러한 각 t-테스트가 샘플 데이터를 t-값으로 줄이는 방법을 살펴 보겠습니다.
1-샘플 t-테스트가 t-값을 계산하는 방법
이 프로세스를 이해하는 것은 t-테스트의 작동 방식을 이해하는 데 중요합니다. 먼저 공식을 보여 드리고,어떻게 작동하는지 설명하겠습니다.수식이 비율임을 알 수 있습니다. 일반적인 비유는 t-값이 신호 대 잡음비라는 것입니다.
신호(일명 효과 크기)
분자는 신호입니다., 샘플 평균을 취하고 귀무 가설 값을 빼기 만하면됩니다. 샘플 평균이 10 이고 귀무 가설이 6 인 경우 차이 또는 신호는 4 입니다.
샘플 평균과 null 값 사이에 차이가 없으면 전체 비율의 값뿐만 아니라 분자의 신호는 0 과 같습니다. 예를 들어 샘플 평균이 6 이고 null 값이 6 이면 차이는 0 입니다.
사이의 차이로 샘플을 의미하고 null 가설을 의미가 증가에서 긍정적 또는 부정적인 방향으로의 신호 강도가 증가합니다.,
신호 대 잡음비
신호 및 잡음 값은 모두 데이터 단위에 있습니다. 신호가 6 이고 잡음이 2 인 경우 t-값은 3 입니다. 이 t-값은 차이가 표준 오차의 3 배 크기임을 나타냅니다. 그러나 동일한 크기의 차이가 있지만 데이터에 더 많은 가변성(6)이있는 경우 t-값은 1 에 불과합니다. 신호는 노이즈와 같은 스케일에 있습니다.,
이러한 방식으로 t-값을 사용하면 신호가 잡음과 얼마나 구별되는지 확인할 수 있습니다. 상대적으로 큰 신호와 낮은 수준의 노이즈는 더 큰 t-값을 생성합니다. 는 경우 신호가 눈에 띄지 않습에서 소음,그것을 가능성이 있는 관찰된 차이점의 샘플을 추정하고 null 가설 값은 임의의 오류에 샘플 보다는 오히려 진실한 차이에서 인구가 수준입니다.
짝을 이루는 t-test 는 단지 1 샘플 t-Test 입니다.
많은 사람들이 짝을 이루는 t-test 를 사용할시기와 작동 방식에 대해 혼란스러워합니다. 작은 비밀에 너를 들여 보낼거야., 짝을 이루는 t-test 와 1-sample t-test 는 실제로 변장의 동일한 테스트입니다! 위에서 보았 듯이 1 샘플 t 테스트는 하나의 샘플 평균을 귀무 가설 값과 비교합니다. 쌍 t-테스트는 단순히 쌍 관측치(예:전후)간의 차이를 계산 한 다음 차이에 대해 1 샘플 t-테스트를 수행합니다.
이를 테스트할 수 있습니다 이 데이터로 설정 방법을 참조하는 모든 결과 동일함을 의미한 차이점,t-값,p 값,신뢰구간의 차이가 있습니다.,
이해 paired t-test 단순히 수행하 1-sample t-test 에서 페어링된 차이점을 수 있습니다 정말 방법을 이해하는 데 도움이 paired t-test 작품을 할 때 그것을 사용합니다. 각 관측 쌍 사이의 차이를 계산하는 것이 합리적인지 알아 내기 만하면됩니다.
예를 들어,”before”와”after”가 시험 점수를 나타내고 그 사이에 개입이 있다고 가정 해 봅시다., 는 경우 전과 후에서 점수를 각각의 행를 들어 워크시트를 나타내 같은 주제,그것은 의미가 간의 차이를 계산하 점수에 이 패션—paired t-테스트가 적합합니다. 그러나 각 행의 점수가 다른 과목에 대한 것이라면 차이를 계산하는 것이 합리적이지 않습니다. 이 경우 아래에서 논의하는 2 샘플 t 테스트와 같은 다른 테스트를 사용해야합니다.
페어링 된 t-테스트를 사용하면 t-테스트를 수행하기 전에 차이점을 계산해야하는 단계를 간단히 절약 할 수 있습니다., 당신은 단지 쌍을 이루는 차이가 의미가 있는지 확인해야합니다!짝을 이루는 t-테스트를 사용하는 것이 적절할 때 2 샘플 t-테스트보다 더 강력 할 수 있습니다. 에 대한 더 많은 정보에 대한 개요를 짝 t.
는 방법 Two-Sample T-테스트 계산하 T-값
2-sample t-test 의 샘플 데이터에서 두 그룹과 비등 내려 t-값입니다. 이 프로세스는 1 샘플 t 테스트와 매우 유사하며 신호 대 잡음비의 비유를 계속 사용할 수 있습니다. 쌍 t-테스트와는 달리,2-샘플 t-테스트는 각 샘플에 대해 독립적 인 그룹을 필요로합니다.,
수식은 아래에 있으며,그 다음에 몇 가지 논의가 있습니다.
2-샘플 t-테스트의 경우,분자는 다시 신호이며,이는 두 샘플의 수단의 차이입니다. 예를 들어,그룹 1 의 평균이 10 이고 그룹 2 의 평균이 4 인 경우 차이는 6 입니다.
2 샘플 t-테스트에 대한 기본 귀무 가설은 두 그룹이 동일하다는 것입니다. 방정식에서 두 그룹이 같을 때 차이(및 전체 비율)도 0 과 같음을 알 수 있습니다., 두 그룹 간의 차이가 양수 또는 음수 방향으로 커지면 신호가 강해집니다.
2 샘플 t-테스트에서 분모는 여전히 잡음이지만 Minitab 은 두 개의 다른 값을 사용할 수 있습니다. 두 그룹의 가변성이 같거나 같지 않다고 가정 할 수 있으며 Minitab 은 가변성의 해당 추정치를 사용합니다. 방법 중 하나,원칙적으로 동일합니다:당신은 당신을 비교하는 신호를 소음 얼마나 신이 눈에 띈다.,
1 샘플 t-test 와 마찬가지로 분자의 주어진 차이에 대해 분모의 노이즈 값을 늘리면 t-값이 작아집니다. 그룹이 다르다는 것을 확인하려면 큰 t-값이 필요합니다.
t-값은 무엇을 의미합니까?
t-test 의 각 유형은 모든 샘플 데이터를 하나의 값인 t-값으로 끓이는 절차를 사용합니다. 계산은 샘플 평균(들)을 귀무 가설과 비교하고 샘플 크기와 데이터의 변동성을 모두 통합합니다., T-값 0 은 샘플 결과가 귀무 가설과 정확히 같음을 나타냅니다. 통계에서 우리는 표본 추정치와 귀무 가설의 차이를 효과 크기라고 부릅니다. 이 차이가 증가함에 따라 t-값의 절대 값이 증가합니다.
그게 다 좋지만,2 의 t 값은 실제로 무엇을 의미합니까? 위의 토론에서 t-값 2 는 관찰 된 차이가 데이터의 변동성 크기의 두 배임을 나타냅니다. 그러나 우리는 t-테스트를 사용하여 신호 대 잡음비를 파악하기보다는 가설을 평가합니다., 우리는 효과 크기가 통계적으로 유의한지 여부를 결정하고자합니다.
를 보는 방법을 우리에게서 얻 t-값을 가설을 평가하고 결정하는 통계적 유의성을 읽고,다른 포스트에서 이 시리즈를 이해,t-Tests:t-값과 t-배포가 들어 있습니다.
