Cos’è un T-Test?

Un t-test è una sorta di misura inferenziale usata per decidere se esiste una grande distinzione fra i metodi per due raduni, che potrebbero essere collegati in specifici punti salienti. Viene generalmente utilizzata quando gli indici informativi, simili all’indice informativo registrato come risultato del lancio di una moneta più volte, perseguono una trasmissione ordinaria e possono avere cambiamenti oscuri. Un t-test è utilizzato come un dispositivo di prova di teoria, che permette di testare una presunzione pertinente ad una popolazione.

Un t-test prende in esame la misura del t, le stime di t-appropriazione e i gradi di opportunità per decidere la probabilità di contrasto tra due modalità di informazione. Per condurre un test con almeno tre fattori, è necessario utilizzare un’indagine sulle differenze.

Chiarire il T-Test

In sostanza, un t-test ci permette di analizzare le normali stime delle due raccolte informative e di decidere se provengono da una popolazione simile. Nei modelli di cui sopra, se riuscissimo in qualche modo a prendere un esempio di understudies della classe An e un altro esempio di understudies della classe B, non prevediamo che abbiano la stessa media e la stessa deviazione standard. Essenzialmente, le prove prese dalla raccolta di controllo del finto trattamento sostenuto e quelle prese dalla raccolta dei farmaci approvati dovrebbero avere una deviazione media e standard in qualche modo straordinaria.

Numericamente, il t-test prende un esempio da ciascuno dei due insiemi e costruisce l’articolazione del problema accettando una teoria non valida che i due metodi sono equivalenti. In considerazione delle equazioni rilevanti, alcune qualità vengono determinate e pensate in base alle qualità standard, e l’attesa speculazione non valida viene riconosciuta o respinta in modo analogo.

Nel caso in cui la speculazione non valida si adattasse al progetto da respingere, dimostra che le letture di informazioni sono solide e non sono per una qualche coincidenza. Il t-test è solo uno dei numerosi test utilizzati per questo motivo. Gli analisti dovrebbero inoltre utilizzare test diversi dal t-test per esaminare più fattori e test con dimensioni di esempio più grandi. Per le dimensioni di esempio enormi, gli analisti utilizzano un test z. Altre alternative di test comprendono il test del chi-quadrato e il test f.

Esistono tre tipi di t-test, e sono classificati come t-test dipendenti e autonomi.

Risultati dei test vaghi

Pensate che un produttore di farmaci deve testare un farmaco sviluppato di recente. Mantiene il metodo standard di dare al farmaco un’iniezione di un raduno di pazienti e di dare un falso trattamento ad un altro raduno, chiamato raduno di controllo. Il falso trattamento somministrato al gruppo di controllo è una sostanza che non ha un valore curativo previsto e che si riempie come parametro di riferimento per quantificare come reagisce l’altro gruppo, a cui viene somministrato il farmaco genuino.

Dopo il trattamento preliminare del farmaco, gli individui della raccolta di controllo nutriti dal falso trattamento hanno rivelato un’espansione in un futuro normale di tre anni, mentre gli individui della raccolta che hanno approvato il nuovo farmaco riferiscono un incremento in un futuro normale di quattro anni. La percezione del momento può mostrare che il farmaco è, in realtà, il riempimento in quanto i risultati sono migliori per il raduno utilizzando il farmaco. Tuttavia, è altrettanto concepibile che la percezione possa essere dovuta a un evento casuale, in particolare a un karma sorprendente. Un t-test è prezioso per finire se i risultati sono davvero giusti e appropriati per tutta la popolazione.

In una scuola, 100 sostituti in classe A hanno ottenuto un punteggio normale dell’85% con una deviazione standard del 3%. Altri 100 sostituti con un posto nella classe B hanno ottenuto un punteggio normale dell’87% con una deviazione standard del 4%. Mentre la normale della classe B è superiore a quella della classe An, può non essere giusto rimbalzare alla fine che l’esecuzione generale delle sostituzioni in classe B sia superiore a quella delle sostituzioni in classe A. Ciò è dovuto al fatto che, oltre alla media, la deviazione standard della classe B è anche superiore a quella della classe A. Ciò dimostra che le loro tariffe straordinarie, sui lati inferiore e superiore, sono state notevolmente più diffuse rispetto a quelle della classe A. Un t-test può capire quale classe ha fatto meglio.

Supposizioni per il T-Test

Il principale sospetto emerso in relazione ai test t riguarda l’entità della stima. La supposizione per un test t è che la dimensione della stima applicata alle informazioni raccolte persegua una scala coerente o ordinata, ad esempio i punteggi per un test di livello di intelligenza.

Il sospetto che ne consegue è quello di un esempio irregolare di base, che le informazioni siano state raccolte da un agente, che abbia scelto a caso una parte della popolazione assoluta.

La terza supposizione che è l’informazione, quando tracciata, porta ad un’ordinaria appropriazione, a formare una curva di convogliamento a suon di campana.

La quarta supposizione, che è una dimensione di esempio sensibilmente enorme, viene utilizzata. La dimensione dell’esempio più grande implica che l’appropriazione dei risultati dovrebbe muoversi verso un normale suono di campanello d’allarme che forma la curva.

L’ultima supposizione che è l’omogeneità della fluttuazione. Il cambiamento omogeneo, o equivalente, esiste quando le deviazioni standard dei test sono circa equivalenti.

Ascertare i T-Test

Per ottenere un t-test sono necessarie tre valutazioni di informazioni chiave. Esse incorporano il contrasto tra le qualità medie di ogni set di dati (chiamata distinzione media), la deviazione standard di ogni raccolta e il numero di stime di informazioni di ogni raccolta.

Il risultato del t-test crea t-stima. Questa t-estetica determinata viene poi guardata a fronte di un valore ottenuto da una tabella di valore di base (chiamata T-Circulation Table). Questa correlazione decide quanto sia probabile che il contrasto tra i metodi sia avvenuto per una qualche coincidenza o se le raccolte informative abbiano veramente dei contrasti innati. Il t-test si occupa di stabilire se la distinzione tra le raccolte parla di un contrasto genuino nell’indagine o nella remota possibilità che sia probabilmente buono per nulla un contrasto misurabile.