Innehållsförteckning
- T-testet
- T-test antaganden
T-tester används ofta i statistik och ekonometrik för att fastställa att värdena för två utfall eller variabler skiljer sig från varandra. Om du till exempel vill veta om mängden paj som äts av människor över 400 pund är statistiskt signifikant annorlunda från de personer under 400 pund.
De vanliga antagandena som görs när man gör ett t-test inkluderar de som rör mätningsskala, slumpmässig provtagning, normalitet i datadistribution, tillräcklighet för provstorlek och jämlikhet i varians i standardavvikelse.
Key Takeaways
- Ett t-test en statistikmetod som används för att bestämma om det finns en signifikant skillnad mellan medel från två grupper baserat på ett urval av data. Testet bygger på en uppsättning antaganden för att det ska tolkas korrekt och med giltighet. Längs dessa antaganden måste data samplas slumpmässigt från den intressanta populationen och att datavariablerna följer en normalfördelning.
T-testet
T-testet utvecklades av en kemist som arbetar för Guinness bryggföretag som ett enkelt sätt att mäta den jämna kvaliteten på stout. Den har vidareutvecklats och anpassats och hänvisar nu till alla tester av en statistisk hypotes där statistiken som testas för förväntas motsvara en t-distribution om nollhypotesen stöds.
Ett t-test är en analys av två populationsmedel genom användning av statistisk undersökning; ett t-test med två prover används vanligtvis med små provstorlekar, testar skillnaden mellan proverna när variationerna i två normala fördelningar inte är kända.
T-distribution är i princip varje kontinuerlig sannolikhetsfördelning som uppstår från en uppskattning av medelvärdet för en normalt fördelad population med användning av en liten provstorlek och en okänd standardavvikelse för populationen. Nollhypotesen är standardantagandet att inget samband finns mellan två olika uppmätta fenomen. (För relaterad läsning, se: Vad betyder en stark nullhypotes? )
T-test antaganden
- Det första antagandet som gjorts beträffande t-tester gäller mätvärden. Antagandet för ett t-test är att måttskalan som tillämpas på de insamlade uppgifterna följer en kontinuerlig eller ordinär skala, såsom poängen för ett IQ-test. Det andra antagandet är att ett enkelt slumpmässigt prov är att uppgifterna är samlas in från en representativ, slumpmässigt vald del av den totala populationen. Det tredje antagandet är att uppgifterna, när de planeras, resulterar i en normalfördelning, klockformad distributionskurva. När en normalfördelning antas, kan man ange en sannolikhetsnivå (alfa-nivå, nivå av betydelse, p ) som kriterium för acceptans. I de flesta fall kan ett 5% -värde antas. Det fjärde antagandet är en ganska stor provstorlek används. En större provstorlek innebär att resultatfördelningen bör närma sig en normal klockformad kurva. Det sista antagandet är homogenitet av varians. Homogen eller lika varians finns när standardavvikelserna för proverna är ungefär lika.
