Was ist ein T-Test?

Ein t-Test ist eine Art inferentielle Messung, die dazu dient, zu entscheiden, ob es einen großen Unterschied zwischen den Methoden für zwei Versammlungen gibt, die in bestimmten Höhepunkten miteinander verbunden sein könnten. Er wird im Allgemeinen verwendet, wenn die Informationsindizes, ähnlich dem Informationsindex, der als Ergebnis des mehrfachen Werfens einer Münze aufgezeichnet wird, eine gewöhnliche Beförderung verfolgen würden und obskure Veränderungen aufweisen könnten. Ein t-Test wird als Theorietestgerät verwendet, mit dem eine für die Bevölkerung relevante Vermutung getestet werden kann.

Ein t-Test wirft einen Blick auf das t-Maß, die Wertschätzung der t-Aneignung und den Grad der Gelegenheit, die Wahrscheinlichkeit eines Kontrastes zwischen zwei Informationsanordnungen zu entscheiden. Um einen Test mit mindestens drei Faktoren zu leiten, muss man eine Untersuchung der Differenz durchführen.

Klärung des T-Tests

Grundsätzlich ermöglicht ein t-Test, die normalen Schätzungen der beiden Informationssammlungen zu analysieren und zu entscheiden, ob sie aus einer ähnlichen Bevölkerung stammen. Wenn es uns in den obigen Modellen irgendwie gelingen würde, ein Beispiel für Zweitbesetzungen aus Klasse A und ein weiteres Beispiel für Zweitbesetzungen aus Klasse B zu nehmen, würden wir nicht erwarten, dass sie denselben Mittelwert und dieselbe Standardabweichung aufweisen. Im Wesentlichen sollten die Tests aus der Sammlung der gefälschten, die Behandlung unterstützenden Kontrollen und die Tests aus der Sammlung der medikamentenunterstützten Kontrollen eine etwas außergewöhnliche Mittelwertbildung und Standardabweichung aufweisen.

Numerisch gesehen nimmt der t-Test ein Beispiel aus jedem der beiden Sätze und baut die Problemartikulation auf, indem er eine ungültige Theorie akzeptiert, dass die beiden Methoden gleichwertig sind. Im Hinblick auf die relevanten Gleichungen werden bestimmte Qualitäten bestimmt und gegen die Standardqualitäten abgewogen, und die erwartete ungültige Spekulation wird in gleicher Weise anerkannt oder verworfen.

Für den Fall, dass die ungültige Spekulation für eine Entlassung in Frage kommt, zeigt sie, dass die Informationen solide und nicht zufällig sind. Der t-Test ist nur einer der zahlreichen Tests, die aus diesem Grund eingesetzt werden. Analysten sollten darüber hinaus andere Tests als den t-Test verwenden, um mehr Faktoren und Tests mit größeren Beispielen zu untersuchen. Für große Beispielgrößen verwenden Analysten einen z-Test. Andere Testalternativen umfassen den Chi-Quadrat-Test und den F-Test.

Es gibt drei Arten von t-Tests, und sie werden als abhängige und autonome t-Tests klassifiziert.

Vage Testergebnisse

Denken Sie daran, dass ein Arzneimittelhersteller ein neu entwickeltes Medikament testen muss. Er behält die Standardmethode bei, bei der das Medikament bei einer Versammlung von Patienten eine Spritze erhält und bei einer anderen Versammlung, der so genannten Kontrollversammlung, eine gefälschte Behandlung verabreicht wird. Die gefälschte Behandlung, die der Kontrollgruppe gegeben wird, ist eine Substanz ohne erwarteten Heilungswert und dient als Maßstab, um zu quantifizieren, wie die andere Gruppe, der das echte Medikament gegeben wird, reagiert.

Nach der vorläufigen Medikation zeigten die Personen aus der vorgetäuschten Kontrollversammlung, die sich von der gefälschten Behandlung ernährten, eine Ausweitung in der normalen Zukunft um drei Jahre, während die Personen aus der Versammlung, die die neue Medikation befürwortet haben, von einer Ausweitung in der normalen Zukunft um vier Jahre berichten. Die Wahrnehmung des Moments kann zeigen, dass das Medikament in Wirklichkeit ausfüllend wirkt, da die Ergebnisse für die Versammlung, die das Medikament verwendet, besser sind. Gleichwohl ist es ebenso denkbar, dass die Wahrnehmung auf ein zufälliges Ereignis zurückzuführen ist, insbesondere auf ein erstaunliches Stück Karma. Ein t-Test ist wertvoll, um abschließend festzustellen, ob die Ergebnisse wirklich richtig und für die gesamte Bevölkerung angemessen sind.

In einer Schule erzielten 100 Zweitbesetzer in der Klasse A einen Normalwert von 85% mit einer Standardabweichung von 3%. Weitere 100 Zweitbesetzungen, die einen Platz in der Klasse B hatten, erzielten einen Normalwert von 87% mit einer Standardabweichung von 4%. Während der Normalwert der Klasse B dem der Klasse A überlegen ist, ist es vielleicht nicht richtig, so zu behaupten, dass die allgemeine Ausführung der Zweitbesetzungen in der Klasse B der der Zweitbesetzungen in der Klasse A überlegen ist.

T-Test-Annahmen

Der primäre Verdacht, der in Bezug auf t-Tests geäußert wurde, betrifft die Größe der Schätzung. Bei einem t-Test wird angenommen, dass die Größe der Schätzung, die auf die gesammelten Informationen angewandt wird, einer konsistenten oder ordinalen Skala folgt, z.B. den Ergebnissen eines Intelligenzstufentests.

Anschließend wird der Verdacht geäußert, dass es sich um ein grundlegend irreguläres Beispiel handelt, dass die Informationen von einem willkürlich ausgewählten Teil der absoluten Bevölkerung stammen.

Die dritte Hypothese ist, dass die Information, wenn sie aufgezeichnet wird, eine gewöhnliche Aneignung, eine glockenförmige Transportbiegung bewirkt.

Die vierte Annahme, die eine vernünftig große Beispielgröße darstellt, wird verwendet. Größere Beispielgröße impliziert, dass sich die Aneignung der Ergebnisse in Richtung eines gewöhnlichen Gongs bewegen sollte, der die Biegung bildet.

Die letzte Vermutung ist die Homogenität der Fluktuation. Eine homogene oder äquivalente Veränderung liegt vor, wenn die Standardabweichungen der Tests etwa gleichwertig sind.

Ermitteln von T-Tests

Um einen t-Test zu ermitteln, sind drei Schlüsselinformationen zu berücksichtigen. Sie umfassen den Kontrast zwischen den mittleren Qualitäten aus jedem Datensatz (die so genannte Mittelwertunterscheidung), die Standardabweichung jeder Erhebung und die Anzahl der Informationsschätzungen jeder Erhebung.

Das Ergebnis des t-Tests erzeugt ein t-Gefühl. Dieser ermittelte t-Wert wird dann mit einem Wert verglichen, der aus einer Grundwerttabelle (der so genannten T-Zirkulationstabelle) ermittelt wurde. Diese Korrelation entscheidet, wie wahrscheinlich es ist, dass der Kontrast zwischen den Methoden durch einen Zufall zustande kam oder ob die Informationssammlungen wirklich angeborene Kontraste aufweisen. Der t-Test befasst sich mit der Frage, ob die Unterscheidung zwischen den Sammlungen für einen echten Kontrast in der Untersuchung spricht oder für den unwahrscheinlichen Fall, dass es sich wahrscheinlich um einen nicht messbaren Kontrast handelt.