Т-критерій студента

У цій статті пояснюється, що таке t-критерій Стьюдента і навіщо він використовується у статистиці. Таким чином, ви дізнаєтеся, як проводиться t-критерій Стьюдента, які існують типи t-тестів Стьюдента та формулу для кожного з них.

Що таке t-критерій Стьюдента?

T-критерій Стьюдента , також званий T-тестом або просто t-критерієм , являє собою статистичний тест, в якому статистика тесту відповідає t-розподілу Стьюдента. Тому в статистиці t-критерій Стьюдента використовується для відхилення або ухвалення нульової гіпотези перевірки гіпотези.

Зокрема, t-критерій Стьюдента використовується під час перевірки гіпотез , коли він досліджувана сукупність підпорядковується нормальному розподілу, але розмір вибірки занадто малий, щоб дізнатися дисперсію сукупності.

Коротше кажучи, t-критерій Стьюдента використовується для відхилення або ухвалення гіпотези дослідження певних тестів гіпотез. Наприклад, t-критерій Стьюдента використовується для перевірки гіпотез для однієї вибірки, незалежних вибірок або пов'язаних вибірок. Потім ми побачимо, як розраховується критерій Стьюдента у кожному випадку.

Види t-тестів Стьюдента

• Одновибірковий t-критерій Стьюдента - використовується для перевірки гіпотези про значення вибіркового середнього.
• Критерій Стьюдента для двох незалежних вибірок : дозволяє перевірити гіпотезу про різницю між середніми значеннями двох незалежних вибірок.
• Критерій Стьюдента для двох парних вибірок (або пов'язаних вибірок) - Використовується для перевірки гіпотези про середнє значення вибірки, перевіреної двічі.

Зразок t-критерію Стьюдента

Перевірка гіпотези вибіркового середнього значення - це перевірка гіпотези, в якій нульова гіпотеза та альтернативна гіпотеза тесту щось говорять про значення генерального середнього значення.

Формула одновибіркового t-критерію Стьюдента виглядає так:

- Це статистика перевірки гіпотези для середнього значення, яке визначається t-розподілом Стьюдента.

це зразок означає.

- Значення середнього значення, запропонованого при перевірці гіпотези.

- Вибіркове стандартне відхилення.

• Якщо перевірка гіпотези про середнє є двосторонньою, нульова гіпотеза відхиляється, якщо абсолютне значення t-критерію Стьюдента перевищує критичне значення t _α/2|n-1 .
• Якщо перевірка гіпотези для середнього значення відповідає правому хвості, нульова гіпотеза відхиляється, якщо значення t-критерію Стьюдента більше критичного значення t _α|n-1 .
• Якщо перевірка гіпотези для середнього значення відповідає лівому хвості, нульова гіпотеза відхиляється, якщо значення t-критерію Стьюдента менше критичного значення -t _α|n-1 .

Зауважте, що критичні значення тесту отримані з таблиці розподілу Стьюдента.

Критерій Стьюдента для незалежних вибірок

Критерій Стьюдента для незалежних вибірок використовується, щоб відкинути або прийняти гіпотезу про взаємозв'язок між середніми значеннями двох популяцій, наприклад, що середні значення двох популяцій різні або середнє значення генеральної сукупності A більше, ніж середнє значення . населення Б.

Однак у цьому випадку формула t-критерію Стьюдента варіюється залежно від цього, можна вважати дисперсії сукупності рівними чи ні. Потім ми побачимо два можливі випадки.

Невідомі та рівні відхилення

Формула для розрахунку t-критерію Стьюдента для незалежних вибірок, коли генеральні дисперсії невідомі, але вважаються рівними, виглядає так:

- це статистика перевірки гіпотези для різниці середніх значень з невідомими дисперсіями, яка відповідає t-розподілу Стьюдента з n ₁ + n ₂ -2 ступенями свободи.

є середнім значенням чисельності населення.

є середнім значенням чисельності населення2.

є середнім значенням зразка 1.

є середнім значенням зразка 2.

- Об'єднане стандартне відхилення.

Об'єднане стандартне відхилення двох вибірок розраховується за такою формулою:

Невідомі та різні варіації

Коли популяційні дисперсії невідомі і, тим більше, передбачаються різними, формула розрахунку t-критерію Стьюдента для незалежних вибірок виглядає так:

- Це статистика перевірки гіпотези для різниці середніх значень з невідомими дисперсіями, яка відповідає t-розподілу Стьюдента.

є середнім значенням чисельності населення.

є середнім значенням чисельності населення2.

є середнім значенням зразка 1.

є середнім значенням зразка 2.

- Стандартне відхилення генеральної сукупності 1.

- Стандартне відхилення генеральної сукупності 2.

Однак у цьому випадку ступеня свободи t-розподілу Стьюдента розраховуються за такою формулою:

Критерій Стьюдента для парних чи пов'язаних вибірок

Цей тест використовується, коли дві вибірки пов'язані один з одним, так що фактично це одна вибірка особин, яка аналізувалася двічі (щоразу в різних умовах).

Наприклад, ви можете проаналізувати оцінки учнів за курсом математики та статистики, щоб побачити, чи існує значна різниця між середніми показниками з двох предметів. У цьому випадку оцінка кожного учня з математики пов'язана з оцінкою того ж учня за статистикою.

Формула t-критерію Стьюдента для парних або пов'язаних вибірок :

- Це статистика перевірки гіпотез для парних середніх, яка визначається t-розподілом Стьюдента.

- Середнє значення вибірки, утвореної різницею даних.

- Значення середнього значення, запропонованого при перевірці гіпотези.

- Стандартне відхилення вибірки, утворене різницею даних.

Припущення t-тесту Стьюдента

• Безперервність - Дані вибірки безперервні.
• Випадковість : вибірки даних були обрані випадковим чином.
• Однорідність : дисперсія вибірки даних однорідна
• Нормальність - Розподіл, що визначає вибірку даних, приблизно нормальний.

Як пройти t-тест Стьюдента

1. Визначте нульову та альтернативну гіпотези перевірки гіпотез.
2. Встановіть рівень значення (α) перевірки гіпотези.
3. Переконайтеся, що припущення t-критерію Стьюдента виконуються.
4. Застосуйте відповідну формулу t-критерію Стьюдента та розрахуйте статистику тесту.
5. Інтерпретуйте результат t-критерію Стьюдента, порівнявши його з критичним значенням тесту.

Про автора

бенджамін андерсон

Здрастуйте, я Бенджамін, професор статистики на пенсії, який став відданим викладачем Statorials. Маючи великий досвід та знання у галузі статистики, я хочу поділитися своїми знаннями, щоб розширити можливості студентів за допомогою Statorials. Дізнатись більше

T-Test: What It Is, Its Advantages + Steps to Perform It

За допомогою статистичних analyses є надзвичайно важливим для створення необроблених даних, і t-test є key tool in this process. Тест Help Researchers find важливі відмінності між групами, де вони''s studying як різні методи методів affect student performance or evaluating effectiveness of new medical treatment.

Цей статистичний тест складається з двох форм: незалежних і зроблених. Це Help determine if differences in averages are likely because of real effects or just random chance. William Sealy Gosset, British Statistics, створений в 1908 році, коли працює на Guinness Brewery. Необхідно, щоб аналізувати невеликі випадки з data from beer production.

Nowadays, t-test, такожназивається Student's t-test, is widely used в scientific and market research.

У цьому матеріалі, будуть з'ясувати, як t-test works, його різні applications, і як it is used in practice.

What is a T-test?

У t-test є статистичне випробування, що helps ви збираєтеся за допомогою двох секцій з вашого часу, щоб дізнатися, якщо вони невідомо.

Imagine you have дві групи з школярів: один гурток хотіли статистичні статі, і інші групи групу didn’t.Ви можете використовувати t-досліджування, щоб вивчити, якщо група, яка веде математичні ліки, скористалися значною мірою високим на ході тесту, ніж група that didn’t.

Якщо ви використовуєте t-test, ви будете “t value,” ,які визначають, що різниця між двома групами з двох груп є важливою або не.

What are the main uses of T-test?

Test is used in many fields, так само як медичне дослідження, психологія, економіка, і освіта. Тут є деякі з основних способів t-test:

• Comparing Two Groups: Цей test використовується як compare data від двох груп. Для прикладу, це існують такі проблеми, якщо вони відрізняються в test scores між 2 sets of students.
• Assessing Treatment Effectiveness: Т-тест може бути використаний для оцінки, якщо ситуація має значний вплив на послідовність, пов'язану з контрольною групою, що байдуже не приймає до уваги.
• Analyzing Experiments: У наукових experiments, t-test frekvently used to compare results between treatment group and a control group.
• Exploring Gender Differences: Gender studies можуть використовувати t-test до compare mean differences між чоловіками і жінками з особливою variable.
• Survey Data Analysis: Ви можете використовувати його для сканування даних аналітиків до comparation means of two groups of data, так як comparing average income між різними groups of men and women.

Types of T-test?

Student t-test є важливим статистичним інструментом, використовуваним у різних формах, кожен з них спрямований на адресу конкретних досліджень. Це є важливим для вас для того, щоб підтвердити ці типи, щоб запобігти вашій аналітиці. The most common types are:

01. Two-sample T-test для Independent Data

Цей тест helps ви compare the averages of two separate groups that aren’t connected. It's handy when the observations in one group не має relation to the observations in the other group.

Для того, щоб скористатися ним, щоб скористатися рядом статей з школярів від двох різних курсів.

02. Two-sample T-test для Related or Paired Data

It is also known as a related samples t-test or paired t-test. У цьому типі, відмінності йдуть на рівні величини з'єднаних груп в detailed way.

Для прикладу, ви можете вивчити заходи, які відбуваються перед і після допомоги з вами власною групою людей.

03. One-sample T-test

Цей test helps check if the average of one group is different from a known or expected value, як the overall average. It's used to see if the group's average is significantly different from what you expected.

04. Equal or Heterogeneous Variance T-test

Student t-tests зазвичай expect the variances of the two groups being compared to be the same. Але деякі, це не може бути в разі.

Теоретичні варіації t-test використовуються, коли ми розуміємо, що варіації є еквівалентні, і heterogeneous variations t-test використовуються, коли існують, як вони відрізняються між двома групами.

05. One-tailed or Two-tailed t-test

A Student's t-test може бути ним один-таймований або два-таймований, заснований на дослідженні.

Якщо ви хочете, щоб одна величина є дуже високою або меншою, ніж будь-який інший, використовуйте один-записаний тест. На іншій стороні, на двох-таїлених випробуваннях, використовує до кінця будь-якого значущого значення між межами, девисокий або нижній.

What is the One-sample Student's t-test?

Один-сample Student's t-test є метод використаний для завершення, якщо послідовність прикладу є різною від знавця або отриманої послідовності населення. It's particularly handy when the population non't have normal distribution or when the sample size is small (less than 30).

Цей test involves calculating t-statistic. Ви можете це відрізнити між диференціацією між сample mean, і прийняти або пізнавати методи, щоб розпізнати стандартну розв'язання, а потім поділити, що за квадратний ступінь зразка розміру.

Тут є key: Якщо встановлений t статистичний є значним, ніж критична величина t, ви знайдете в табличці specific to the Student's t distribution (базується на визначеному рівні ступеня і розміри freedom, який є однією меншою, ніж сample si , it means there's enough evidence to say the sample mean is significantly different from the supposed or known mean.

У simpler terms, один-сample Student's t-test є helpful tool for checking if a sample accurately represents a bigger population and figuring out if the difference between the sample mean and population mean is statistically significant.

Advantages performing the T-test

Student t-test є статевим статистичним інструментом з неабияким розпізнаванням для різних досліджень. Кілька основних значень є:

• Works with Different Sample Sizes: Відмінні інші tests, t-test є flexibility і може бути використаний з дрібними і великими сamples.
• Doesn’t Require a Perfectly Normal Distribution: Thet-test is robust, meaning it can handle situations where the data doesn't perfectly follow a normal distribution, особливо when the sample size is large.
• Easy to Calculate: Цей test є відносно простим і правильнимпопередженням до калькулятора. Ці неспроможності роблять це практичні і застосовувані в різних дослідженнях.
• Versatile Application: Тест finds use in diverse fields як медичні дослідження, освіта студії, маркетингові дослідження, і Engineering, showcasing її wide-ranging applicability.
• Detects Statistical Significance: Один з його основних пристосувань є визначеним, коливідкрита різниця між сample mean and known or assumed population mean is statistically significant or not.

Steps to perform a Student t test

Performing Student t-test є справжнім і detailed process, що потребує close attention at every step. Let’s таке athorough look на різних аспектах involved:

Step 1: Define the Null and Alternative Hypothesis

Start by creating a straightforward null hypothesis that says there's no big difference between the averages. Там, як альтернативна гіпотеза, що suggests є це noticeable difference.

Цей перший крок є критичною причиною, що вона входить в hypotheses, що буде стирати всі analysis. Це дає чітку позицію для investigation.

Step 2: Select the Appropriate Type of T-test

Визначте, як використовувати незалежні шаблони t-test або вирівняні 샘플и t-test засновані на тому, як дані sets є related.

Type of data you have will guide your decision. If you’re comparing data from separate groups, go for the independent samples t-test. Якщо ви працюєте з помітними поясненнями, виконайте зроблені шаблони t-test.

Step 3: Calculate Mean, Standard Deviation, і Sample Size

З'єднайте важливі відомості про їх групу, таку, як ідентифікацію (mean), як розповсюдження від цін (будівельний розвиток), і номер observations в їх групі (sample size).

Ці номери будуть вказати, що ви відповідаєте типовим значенням, рівню рівня, і як багато даних пунктів є в їх групі. Вони є важливими для того, щоб зробити calculations.

Step 4: Calculate t-statistic

Використовуйте праву формулу, щоб визначити t-статистичний, використовуючи вказівки різниці, розподілу даних, а також розмір зображень.

Ця функція обчислення дає змогу визначити, які групи груп різняться, поєднуючи інформацію про скорочення і показує, що витрачено з вашого часу є для detailed evaluation.

Step 5: Determine the Critical Value of t

Look at Student t distribution table to find the important t value for selected significance level, usually 0.05.

Critical t value helps decide whether to reject the null hypothesis in statistical analysis. It's an important factor in making decisions based on statistics.

Step 6: Compare Calculated and Critical t Values

Check if the calculated t value is higher than the critical value from the distribution table.

Цей comparison є дійсно важливою. Якщо виявлено, що значення є величезним, ніж критичні трехhold, це означає, що ви можете бачити null hypothesis, показуючи, що є значним значення між тими.

Step 7: Interpret Results and Conclude

З'єднати результати до виконання невідомого ним і підданого значення значущості differences you observed.

У цьому останньому періоді, беручи номери і дані в практичні insights що має реальний-світовий курс. Це Help answer the research question and supports making well-informed decisions.

Виконуючи t-тест може бути bit tricky, особливо коли ви повинні думати про те, що ваші дані є звичайним і якщо variations є подібні. Якщо ви думаєте про те, що говорячи з цими доказами, це може бути корисним для використання статистичного програмного забезпечення або отримати допомогу з статистики.

Example of T-test

Here’s an example of using the Student t test in marketing research:

Let's say a company wants до find out if there's a big difference в customer satisfaction with two versions of its product. Для того, щоб вони швидко знімали дві групи, всі з 50 клієнтами, і поставлені їм до ступеня їхньої satisfaction на рівні 1 до 10.

Перші групи категорій версії A, і перша група третій за версією A і версії B. The data they get looks like this:

Щоб виконати, якщо є невідповідна різниця між двома версіями продукту, ви можете використовувати тест, який називається Student's t-test for independent samples. Результати test test show на t-value of -2.69 і p-value of 0.009.

Comparing це p-value до 5% значущості рівнів, ви можете усвідомити, що вони є значущою difference в customer satisfaction between the 2 versions. Simply put, є статистична evidence supporting the idea that customers prefer version B over version A.

Ця інформація є важливим для компанії в вирішенні того, що виробляється і на ринку продукту.Це suggests that version B is likely more appealing to customers and, therefore, could be more profitable in the long term.

What is the difference між t-test and ANOVA?

The t-test and ANOVA (Analysis of Variance) є інструменти, що використовуються для compare averages in different sets of data. However, there are some key differences between them:

1. Кількість груп:
   • T-test: Використовується, коли comparing the average of 2 sets of data.
   • ANOVA: Використовується, коли comparing the average of three or more sets of data.
2. Type of variables:
   • T-test: Works with continuous numerical variables and independent data.
   • ANOVA: Works with continuous numerical variables and can handle both dependent and independent data.
3. Type of result:
   • T-test: Gives a t value, showing how significant the mean difference is між two groups.
   • ANOVA: Виділяють F значення, визначаючи значущість характерних відмінностей між трьома або більше групами.
4. Type of analysis:
   • T-test: Виробляє univariate analysis, вивчаючи одну незалежну variable при часі.
   • ANOVA: Створювалися multivariant analysis, що дає змогу розглянути several independent factors simultaneously.

Conclusion

У підсумку, Student's t-test є valuable і flexible статистичної техніки, що дозволяє те, що приклад може бути здійснений з hypothetical або відомий population mean, з řadою додатків, що може бути використаний в різних search contexts.

Це є особливо корисним при роботі з невеликими прикладами тому, що він базується на Student's t distribution, які беруть участь в додатковій uncertainty, що відбувається при роботі з невеликими шаблонами.

Remember that with QuestionPro, ви можете повідомити про необхідну data for your investigation. Це також має реальні часи reports до analyze the information obtained and make the right decisions.

Натисніть на exploring нашої безкоштовної версії або потреби Demo на нашій платформі, щоб дізнатися про всі великі можливості.