المحتوى
يمكن أن يساعدنا إتقان التقنيات الإحصائية في فهم العالم من حولنا بشكل أفضل ، وتعلم التعامل مع البيانات بشكل صحيح يمكن أن يكون مفيدًا في مجموعة متنوعة من المهن. يمكن أن تساعد اختبارات T على تحديد ما إذا كان الفرق بين مجموعة متوقعة من القيم ومجموعة معينة من القيم أم لا. على الرغم من أن هذا الإجراء قد يبدو صعباً في البداية ، إلا أنه يمكن استخدامه بسهولة مع القليل من التدريب. هذه العملية ضرورية لتفسير الإحصاءات والبيانات ، لأنها تخبرنا ما إذا كانت البيانات مفيدة أم لا.
إجراء
الدولة الفرضية. تحديد ما إذا كانت البيانات تستدعي اختبارًا أحادي الطرف أو ثنائي الأطراف. بالنسبة للاختبارات أحادية الطرف ، ستكون الفرضية الفارغة في شكل μ> x إذا كنت ترغب في اختبار لعينة تعني أنها صغيرة جدًا ، أو μ <x إذا كنت ترغب في اختبار لعينة تعني أنها أكبر من اللازم. الفرضية البديلة هي في شكل μ = x. بالنسبة للاختبارات ثنائية الذيل ، لا تزال الفرضية البديلة هي x = x ، لكن الفرضية الصفرية تتغير إلى μ ≠ x.
حدد مستوى الأهمية المناسب لدراستك. ستكون هذه هي القيمة التي تقارن بها النتيجة النهائية. عمومًا ، تكون قيم الأهمية عند α = .05 أو α = .01 ، وفقًا لتفضيلاتك ومدى الدقة التي تريد أن تكون بها نتائجك.
حساب بيانات العينة. استخدم الصيغة (x - μ) / SE ، حيث الخطأ المعياري (SE) هو الانحراف المعياري للجذر التربيعي للسكان (SE = s / √n). بعد تحديد الإحصاء t ، احسب درجات الحرية من خلال الصيغة n-1. أدخل الإحصاء t ودرجات الحرية ومستوى الأهمية في دالة t-test على آلة حاسبة بيانية لتحديد قيمة P. إذا كنت تعمل مع اختبار T ثنائي الطرف ، فقم بمضاعفة القيمة P.
تفسير النتائج. قارن القيمة P بمستوى الأهمية α المذكور سابقًا. إذا كان أقل من α ، رفض فرضية فارغة. إذا كانت النتيجة أكبر من α ، فشلت في رفض الفرضية الفارغة. إذا رفضت الفرضية الفارغة ، فهذا يعني أن الفرضية البديلة صحيحة ، وأن البيانات مهمة. إذا فشلت في رفض الفرضية الفارغة ، فهذا يعني أنه لا يوجد فرق كبير بين بيانات العينة والبيانات المقدمة.