Contente
Dominar técnicas estatísticas pode nos ajudar a entender melhor o mundo ao nosso redor, e aprender a lidar com os dados corretamente pode ser útil em várias carreiras. Os testes T podem ajudar a determinar se a diferença entre um conjunto de valores esperado e um determinado conjunto de valores é significativa. Embora esse procedimento possa parecer difícil a princípio, pode ser simples de usar com um pouco de prática. Esse processo é vital para a interpretação de estatísticas e dados, pois indica se os dados são úteis ou não.
Procedimento
Declare a hipótese. Determine se os dados justificam um teste de uma ou duas caudas. Para testes unilaterais, a hipótese nula terá a forma de μ> x se você quiser testar uma média de amostra muito pequena ou μ <x se desejar testar uma média de amostra muito grande. A hipótese alternativa está na forma de μ = x. Para testes bicaudais, a hipótese alternativa ainda é μ = x, mas a hipótese nula muda para μ ≠ x.
Determine um nível de significância apropriado para o seu estudo. Esse será o valor com o qual você compara seu resultado final. Geralmente, os valores de significância estão em α = 0,05 ou α = 0,01, dependendo da sua preferência e da precisão que você deseja que seus resultados sejam.
Calcule os dados da amostra. Use a fórmula (x - μ) / SE, em que o erro padrão (SE) é o desvio padrão da raiz quadrada da população (SE = s / √n). Após determinar a estatística t, calcule os graus de liberdade através da fórmula n-1. Insira a estatística t, graus de liberdade e nível de significância na função de teste t em uma calculadora gráfica para determinar o valor P. Se você estiver trabalhando com um teste T bicaudal, dobre o valor P.
Interprete os resultados. Compare o valor P com o nível de significância α declarado anteriormente. Se for menor que α, rejeite a hipótese nula. Se o resultado for maior que α, deixe de rejeitar a hipótese nula. Se você rejeitar a hipótese nula, isso implica que sua hipótese alternativa está correta e que os dados são significativos. Se você falhar em rejeitar a hipótese nula, isso implica que não há diferença significativa entre os dados da amostra e os dados fornecidos.