Tilastojen maailmassa laskelmat, oletukset ja johtopäätökset hallitsevat. Kaikkien testien ja tulosten joukossa t-testit ja p-arvo ovat kaksi hämmennyttävintä oletustekniikkaa.
Vaikka nämä kaksi löytyvät samasta tilastojen osajoukosta, ja ne tarjoavat lisämittauksen oletukselle ja ovat yhteydessä toisiinsa. Nämä kaksi testiä eivät ole sama asia!
T-testi vs P-arvo
Ero T-testin ja P-arvon välillä on siinä, että T-testiä käytetään näytteiden keskiarvojen välisen eron analysointiin, kun taas p-arvoa käytetään saadakseen todisteita, joita voidaan käyttää kumoamaan välinpitämättömyyttä näytteiden välillä. kahden näytteen keskiarvot.
T-testi antaa eron kahden mittauksen välillä normaalialueella, kun taas p-arvo keskittyy näytteen ääripuolelle ja antaa siten äärimmäisen tuloksen.
Vaikka ne liittyvät toisiinsa, ne osoittavat otoksen erilaisia näkökohtia ja määrittävät populaation erilaiset parametrit, joista näytteet johdetaan.
T-testin ja P-arvon vertailutaulukko (taulukkomuodossa)
| Vertailuparametri | T-testi | P-arvo |
|---|---|---|
| Täysi muoto | Testitilasto | Todennäköisyysarvo |
| Tilastoalan toimiala | Päätelmätilastot | Päätelmätilastot |
| Hypoteesin testaus | Joo | Joo |
| Näytteiden keskiarvot | Vaihteleva | Nolla-sama |
| Tulos | Ero keskiarvossa | Nolla-oletusten kumoaminen |
Mikä on T-testi?
T-testi on tilastollinen testi, joka määrittää kahden toisiinsa liittyvän joukon keskiarvojen välisen eron. Se kuuluu tilastoluokkaan, joka liittyy populaation otoksesta saatuihin ennusteisiin.
T-testi voidaan suorittaa datajoukolle, joka liittyy jollain tavalla toisiinsa; yhteinen piirre voi olla ikä, alue, palvelutarjonta tai mikä tahansa vastaava tekijä. T-analyysissä ei voida käyttää kahta erilaista oletusta.
Näytteet tulee nimetä satunnaisesti T-testin tuloksen päättelemiseksi. Vaikka otoskoon tulisi olla sellainen, että se näyttää tavalliselta hajaantumiselta, ja molemmilla joukoilla on arvot jakautuvat keskiarvoon samassa suhteessa.
Kolme kuuluisaa t-testityyppiä ovat; parillinen näytemalli, yksi näyte ja riippumattomat kahden otoksen testit.
Parinäytteen testi on, kun testi suoritetaan samalle näytteelle eri aikoina. Tämän tarkoituksena on päätellä erilaisten ulkoisten tekijöiden vaikutus otokseen. Työntekijöiden päivätuntien tuottavuuden ja yötuntien tuottavuuden vertailu voidaan tehdä yhden otoksen t-testillä.
Yksittäinen otanta, kun tietyn asian yhtä tekijää verrataan annettuun standardiin. Tämän toimenpiteen avulla voidaan verrata hehkulamppujen keskimääräistä käyttöikää ja niitä verrata hehkulamppujen näytteeseen keskimääräisen pätevyyden päättelemiseksi.
Autonominen näytetesti on annettu nimi; kun näytteistä otetaan tietty tekijä; kahdesta erilaisesta näytteestä otetaan kaksi erilaista datajoukkoa. Mies- ja naisopiskelijoiden älykkyysosamäärät voidaan päätellä tällä menetelmällä.
Tämä vertailu auttaa käyttäjää tulkitsemaan kahden tietojoukon välistä suhdetta tai ymmärtämään esitettyjen standardien takana olevan totuuden.
Mikä on P-arvo?
P-arvo on oletustesti, jota käytetään kumoamaan se tosiasia, että kahden näytteen keskiarvoilla ei ole eroa.
Alfa on termi, jota käytetään kuvaamaan ennalta määritettyä todennäköisyyttä, kun taas p-arvo on termi, jota käytetään todennäköisyydelle, joka lasketaan perusjoukon ja otoksen perusteellisen analyysin jälkeen.
Nolla tai ei eroa -hypoteesia vastapäätä on vaihteleva tai vaihtoehtoinen keskiarvo, jos tuloksena saatu p-arvo on pienempi kuin merkittävin luku, staattinen hypoteesi hylätään.
Tietyissä tapauksissa sama hypoteesi hylätään virheellisesti; se tehdään tapauksissa, joissa todellisuudessa nollaoletus on totta, mutta koska oleellinen luku on suurempi kuin p-arvo, se hylätään.
Toisessa tapauksessa hypoteesi hyväksytään väärin. Huolimatta siitä, että ero on helposti osoitettu, tämän uskotaan johtuvan ulkoisista tekijöistä eikä mittauksista tai sellaisista indikaattoreista.
Pienempi p-arvo tarkoittaa, että sen vaikutus koko otokseen on suuruusluokkaa ja suurempi.
Jos p-arvo on luonteeltaan niin triviaali, että lopulta on todettava, että keskiarvoilla ei ole eroa; kuin tässä tapauksessa, testit ja koko testin tulokset katsotaan merkityksettömiksi.
T-testin ja P-arvon tärkeimmät erot
Kiihkeä katse näyttää tärkeimmät erot T-testin ja P-arvon välillä:
Johtopäätös
Oletukset populaatiosta ja sen rajoituksista ovat olennainen osa tilaston analyyttistä haaraa, kun taas otanta ja oletukset tehdään alkuvaiheessa.
T-testaus ja p-arvon laskenta muodostavat elintärkeän vaiheen, jonka jälkeen tehdään lisälaskelmia ja johtopäätöksiä.
Kaksi edellistä testiä antavat selkeän käsityksen valitusta otoksesta ja mahdollisesta populaatiosta, jolle kehitetään oletus testausta varten.
Molempien kokeiden tulokset ovat kiinteä osa tilastoja ja siksi on erittäin tärkeää ymmärtää näiden kahden välinen merkittävä ero.
