Coursera Learner working on a presentation with Coursera logo and
Coursera Learner working on a presentation with Coursera logo and

Qu’est-ce qu’un test T ?

Un test t est une sorte de mesure inférentielle utilisée pour décider s’il existe une grande différence entre les méthodes de deux rassemblements, qui peuvent être liés par des points forts spécifiques. Il est généralement utilisé lorsque les indices d’information, similaires à l’indice d’information enregistré à la suite de plusieurs coups de pièce de monnaie, poursuivent un moyen de transport ordinaire et peuvent présenter des modifications obscures. Le test t est utilisé comme un dispositif de test théorique, qui permet de tester une présomption pertinente pour une population.

Un test t jette un coup d’œil sur la mesure t, l’estime de l’appropriation t et les degrés d’opportunité pour décider de la probabilité de contraste entre deux arrangements d’information. Pour mener un test avec au moins trois facteurs, il faut utiliser une enquête sur la différence.

Clarifier le test T

Fondamentalement, un test t nous permet d’analyser les estimations normales des deux collections d’informations et de décider si elles proviennent d’une population similaire. Dans les modèles ci-dessus, si nous parvenions d’une manière ou d’une autre à prendre un exemple de doublures de la classe A et un autre exemple de doublures de la classe B, nous ne nous attendrions pas à ce qu’elles aient la même moyenne et le même écart-type. Pour l’essentiel, les tests issus de la collecte de contrôle de faux traitements et ceux issus de la collecte de contrôle de médicaments devraient avoir un écart moyen et standard quelque peu extraordinaire.

Numériquement, le test t prend un exemple de chacun des deux ensembles et construit l’articulation du problème en acceptant une théorie invalide selon laquelle les deux méthodes sont équivalentes. Au vu des équations pertinentes, certaines qualités sont déterminées et pensées par rapport aux qualités standard, et la spéculation invalide attendue est reconnue ou rejetée de la même manière.

Dans le cas où la spéculation invalide correspond à la loi à rejeter, elle démontre que les lectures d’informations sont solides et ne sont pas le fruit du hasard. Le test t n’est qu’un des nombreux tests utilisés pour cette raison. Les analystes devraient en outre utiliser d’autres tests que le test t pour examiner davantage de facteurs et des tests avec des exemples de plus grande taille. Pour les exemples de grande taille, les analystes utilisent un test z. D’autres tests alternatifs incorporent le test du chi carré et le test f.

Il existe trois sortes de tests T, et ils sont classés en deux catégories : les tests T dépendants et les tests T autonomes.

Résultats vagues du test

Pensez au fait qu’un fabricant de médicaments doit tester un médicament récemment mis au point. Il conserve la méthode standard qui consiste à donner une injection au médicament à un groupe de patients et à administrer un faux traitement à un autre groupe, appelé groupe témoin. Le faux traitement administré au groupe de contrôle est une substance dont on ne s’attend pas à ce qu’elle ait une valeur curative et qui sert de référence pour quantifier la réaction de l’autre groupe, qui reçoit le vrai médicament.

Après la phase préliminaire de la médication, les personnes de la réunion de contrôle du faux traitement ont révélé une augmentation de trois ans dans l’avenir normal, tandis que les personnes de la réunion qui ont approuvé le nouveau médicament rapportent une augmentation de quatre ans dans l’avenir normal. La perception du moment peut montrer que le médicament est, en réalité, en train de se substituer à la médication, car les résultats sont meilleurs pour les personnes qui utilisent le médicament. Néanmoins, il est également concevable que cette perception soit due à un événement fortuit, en particulier à un karma étonnant. Un test T est utile pour déterminer si les résultats sont vraiment corrects et appropriés pour l’ensemble de la population.

Dans une école, 100 doublures de la classe A ont obtenu une note normale de 85 % avec un écart-type de 3 %. Une autre centaine de doublures ayant une place dans la classe B ont obtenu une normale de 87 % avec un écart-type de 4 %. Si la normale de la classe B est supérieure à celle de la classe A, il n’est peut-être pas juste de conclure que l’exécution générale des doublures de la classe B est supérieure à celle des doublures de la classe A. En effet, outre la moyenne, l’écart-type de la classe B est également supérieur à celui de la classe A. Cela montre que leurs taux extraordinaires, de plus en plus élevés, étaient considérablement plus étalés par rapport à ceux de la classe A. Un test t permet de déterminer quelle classe a obtenu les meilleurs résultats.

Suppositions sur le test T

Le principal soupçon qui pèse sur les tests t concerne la taille de l’estimation. L’hypothèse pour un test t est que la taille de l’estimation appliquée aux informations recueillies suit une échelle cohérente ou ordinale, par exemple, les scores pour un test de niveau d’intelligence.

Le soupçon qui s’ensuit est celui d’un exemple de base irrégulier, à savoir que les informations sont recueillies auprès d’un agent, choisi au hasard parmi la population absolue.

La troisième supposition, c’est-à-dire l’information, lorsqu’elle est tracée, entraîne une appropriation ordinaire, une courbe de transmission en forme de carillon.

La quatrième supposition, qui est un exemple de taille raisonnablement énorme, est utilisée. Une taille d’exemple plus grande implique que l’appropriation des résultats doit se faire vers un carillon ordinaire formé par le coude.

La dernière supposition qui est l’homogénéité de la fluctuation. Un changement homogène, ou équivalent, existe lorsque les écarts-types des tests sont à peu près équivalents.

Vérification des tests

La réalisation d’un test T nécessite trois informations clés. Elles comprennent le contraste entre les qualités moyennes de chaque ensemble de données (appelé la distinction moyenne), l’écart-type de chaque collecte et le nombre d’estimations d’informations de chaque collecte.

Le résultat du test T crée une estime T. Cette valeur t déterminée est ensuite comparée à une valeur obtenue à partir d’une table de valeurs de base (appelée table de circulation T). Cette corrélation détermine la probabilité que le contraste entre les méthodes soit dû à une coïncidence quelconque ou que les collections d’informations présentent réellement des contrastes innés. Le test t permet de déterminer si la distinction entre les collections révèle un véritable contraste dans l’enquête ou s’il s’agit d’un contraste mesurable qui n’est probablement bon à rien.