विषय
सांख्यिकीय तकनीकों को माहिर करने से हमें अपने आस-पास की दुनिया को बेहतर ढंग से समझने में मदद मिल सकती है और डेटा को सही ढंग से संभालना सीखना विभिन्न प्रकार के करियर में उपयोगी साबित हो सकता है। टी-टेस्ट यह निर्धारित करने में मदद कर सकता है कि मूल्यों के एक अपेक्षित सेट और मूल्यों के दिए गए सेट के बीच अंतर महत्वपूर्ण है या नहीं। हालांकि यह प्रक्रिया पहली बार में कठिन लग सकती है, लेकिन इसे थोड़ा सा अभ्यास करने के साथ प्रयोग करना सरल हो सकता है। यह प्रक्रिया आँकड़ों और डेटा की व्याख्या करने के लिए महत्वपूर्ण है, क्योंकि यह हमें बताता है कि डेटा उपयोगी है या नहीं।
प्रक्रिया
परिकल्पना बताएं। निर्धारित करें कि क्या डेटा एक-पूंछ या दो-पूंछ परीक्षण का वारंट करता है। एक-पूंछ वाले परीक्षणों के लिए, शून्य परिकल्पना μ> x के रूप में होगी यदि आप एक नमूना मतलब है कि बहुत छोटा है, या μ <x यदि आप एक नमूना मतलब है कि बहुत बड़ी है के लिए परीक्षण करना चाहते हैं के लिए परीक्षण करना चाहते हैं। वैकल्पिक परिकल्पना μ = x के रूप में है। दो-पूंछ वाले परीक्षणों के लिए, वैकल्पिक परिकल्पना अभी भी μ = x है, लेकिन शून्य परिकल्पना μ ≠ x में बदल जाती है।
अपने अध्ययन के लिए उपयुक्त एक महत्वपूर्ण स्तर निर्धारित करें। यह वह मूल्य होगा जो आप अपने अंतिम परिणाम की तुलना करते हैं। आम तौर पर, महत्व मान α = .05 या α = .01 पर होते हैं, जो आपकी पसंद पर निर्भर करता है और आप कितना सटीक चाहते हैं कि आपके परिणाम हो।
नमूना डेटा की गणना करें। सूत्र (x - μ) / SE का उपयोग करें, जहां मानक त्रुटि (SE) जनसंख्या के वर्गमूल (SE = s / √n) का मानक विचलन है। टी-स्टेटिस्टिक निर्धारित करने के बाद, सूत्र n-1 के माध्यम से स्वतंत्रता की डिग्री की गणना करें। पी-मान निर्धारित करने के लिए टी-स्टेटिस्टिक, स्वतंत्रता की डिग्री और ग्राफिंग कैलकुलेटर पर टी-टेस्ट फ़ंक्शन में महत्व स्तर दर्ज करें। यदि आप दो-पूंछ वाले टी-टेस्ट के साथ काम कर रहे हैं, तो पी-मूल्य को दोगुना करें।
परिणामों की व्याख्या करें। पहले बताए गए α महत्व स्तर तक पी-मूल्य की तुलना करें। यदि यह α से कम है, तो अशक्त परिकल्पना को अस्वीकार करें। यदि परिणाम α से अधिक है, तो अशक्त परिकल्पना को अस्वीकार करने में विफल रहें। यदि आप अशक्त परिकल्पना को अस्वीकार करते हैं, तो इसका अर्थ है कि आपकी वैकल्पिक परिकल्पना सही है, और यह कि डेटा महत्वपूर्ण है। यदि आप अशक्त परिकल्पना को अस्वीकार करने में विफल रहते हैं, तो इसका मतलब है कि नमूना डेटा और दिए गए डेटा के बीच कोई महत्वपूर्ण अंतर नहीं है।