콘텐츠
통계 기술을 습득하면 주변 세계를 더 잘 이해할 수 있으며 데이터를 올바르게 처리하는 방법을 배우면 다양한 직업에 유용 할 수 있습니다. T- 검정은 예상 값 세트와 주어진 값 세트의 차이가 유의한지 여부를 판별하는 데 도움이 될 수 있습니다. 이 절차는 처음에는 어려워 보일 수 있지만 약간의 연습으로 사용하는 것이 간단 할 수 있습니다. 이 프로세스는 데이터가 유용한 지 여부를 알려주므로 통계 및 데이터를 해석하는 데 중요합니다.
순서
가설을 설명하십시오. 데이터에 단측 또는 양측 테스트가 필요한지 확인하십시오. 단측 검정의 경우 귀무 가설은 너무 작은 표본 평균을 검정하려는 경우 μ> x 또는 너무 큰 표본 평균을 검정하려는 경우 μ <x 형식입니다. 대립 가설은 μ = x 형식입니다. 양측 검정의 경우 대립 가설은 여전히 μ = x이지만 귀무 가설은 μ ≠ x로 변경됩니다.
연구에 적합한 유의 수준을 결정하십시오. 이것은 최종 결과와 비교할 수있는 가치입니다. 일반적으로 중요도 값은 선호도와 결과의 정확성에 따라 α = .05 또는 α = .01입니다.
샘플 데이터를 계산하십시오. 표준 오차 (SE)는 모집단의 제곱근의 표준 편차 (SE = s / √n) 인 공식 (x-μ) / SE를 사용하십시오. t- 통계량을 결정한 후 공식 n-1을 통해 자유도를 계산하십시오. t- 통계량, 자유도 및 유의 수준을 그래프 계산기의 t- 검정 함수에 입력하여 P- 값을 결정합니다. 양측 T- 검정으로 작업하는 경우 P- 값을 두 배로 늘리십시오.
결과를 해석하십시오. P- 값을 앞에서 언급 한 α 유의 수준과 비교하십시오. α보다 작 으면 귀무 가설을 기각합니다. 결과가 α보다 크면 귀무 가설을 기각하지 않습니다. 귀무 가설을 기각하면 대립 가설이 정확하고 데이터가 중요하다는 것을 의미합니다. 귀무 가설을 기각하지 않으면 표본 데이터와 지정된 데이터간에 유의 한 차이가 없음을 의미합니다.