Two-Tailed t-test

Personalmente, ho odiato a studiare le statistiche in quei primi giorni del mio college. I calcoli infiniti, le formule orribili ei concetti ipotetici tangenziali mi spaventa in ogni mio singolo esame semestre. Se chiedete il mio status ancora oggi, non ho superato quello stato terribile. Ma fin d'ora, ho ancora il coraggio di guardare sul lato più luminoso del mio rispetto e offrire il necessario in questo articolo. Fondamentalmente, una t-test in materia di statistiche è definito come un test di ipotesi statistiche dove le statistiche di prova è conforme se una ipotesi nulla è dimostrato e che segue la distribuzione t di Student. Questa distribuzione segue generalmente quando la statistica test è conforme anche una distribuzione normale. Una distribuzione normale è praticamente un 'curva a campana.' Tutti i dati sono impilati e calcolata da sinistra a destra sotto la campana a forma di figura distribuzione normale. Un test delle due code t ha una parola inferire teorico chiamato ipotesi. H0 è chiamata l'ipotesi nulla. Ciò significa che il 'media' è uguale a 'x'. Ora, in un test statistico, il valore del test risultante è ampiamente sia grande o piccola ampiamente. Nel test a due code l'ipotesi nulla viene respinta per tutti quei valori che rientrano nella o la coda della distribuzione di campionamento. Analogamente al contrario, le statistiche ha anche un test ad una coda t in contrasto con la prima. Lì, nel, il test risultante ha una sola risposta rifiuto, grande o piccola. Quindi, in un test ad una coda l'ipotesi viene rifiutata se le statistiche di uno qualsiasi dei test soddisfa determinati criteri.

Alcuni Altro su due code t-Test

Nei libri di due code vs un test coda t, entrambi sono effettivamente determinata calcolando la superficie totale di 'a'. La parte da verificare è che, se viene inserito in una coda o viene equamente suddivisa in due il test t code. Il concetto di test ad una coda t dovrebbe essere compreso se si vede il risultato procedendo in una direzione. In contrasto a ciò, il concetto di un test di due t code dovrebbe essere determinato se vedete il risultato stimare in entrambe le direzioni. La scelta di questi due ha sicuramente un impatto sul processo statistico verifica delle ipotesi in una miriade di modi. Significativamente, se parliamo, c'è un livello di 0,05 figura, che è il vostro 'alpha'. I due assegna coda di test t questa alpha stessa metà della statistica test. Questa è una alfa è assegnato in una direzione e l'altra nella direzione opposta. Questo significa 0,25 è assegnato in ogni coda della distribuzione normale durante la statistica test.

Ora che ho spiegato abbastanza in profondità ciò che è un test a due code, e quando si usa, ecco una formula che consente di lavorare i test fuori.

Test di Formula Two Tailed

ɀ = (media aritmetica-μ) / (σ / √ n)

dove,

ɀ = statistica test

μ = media dei valori di popolazione

σ = deviazione standard (differenza tra tutte le coppie)

n = numero totale di coppie

Questa è la formula di base per disegnare una inferenza statistica utilizzando un test di due code t. Con questo fare, diamo un'occhiata a un esempio di test a due code t.

Problema

Statisticamente annotare i dati degli anni precedenti, se i telefoni a pagamento di un determinato aeroporto sono annullate in ogni 14 giorni, il suo visto che i collezionisti di monete sono il 70% totale in media. La compagnia telefonica a pagamento cerca di docket la collezione visita ad una percentuale del 70% totale, perché il denaro viene condannato se i telefoni sono pieni e non utilizzabile. Inoltre, visitare i telefoni molto spesso diventa costoso dall'altro. È ovvio che l'azienda ha un record dei dati durante la raccolta, in caso di aumento o diminuzione della frequenza. Quindi, con questa, il problema dichiara che durante l'ultima visita, se supponiamo 5 telefoni erano del 50%, 40%, 70%, 75% e 45% totale, rispettivamente. Cosa ne pensi, non la frequenza delle visite devono essere cambiate? O è questo caso una variazione casuale?

Soluzione

Nel problema sopra la μ = 70% (questo è in entrambe le direzioni poiché è un test a due code t). Ora le procedure precise ipotesi e test per il problema di cui sopra sono i seguenti:

1. Ipotesi: H0: μ = 70 contro H1: μ ≠ 70

2. Test statistico: ɀ = (Media Aritmetica-70) / (σ / √ n) = 56,0-70 / 15,57 / √ 5 = -2,01

3. P-value: Presumendo H0 è vero qui, la probabilità di variazione casuale che produce una statistica t più estremo è -2,01 su entrambi i lati da 0 sull'asse X. (Nota: Dal momento che la direzione H1 è sia a bassa ed alta, la cifra è di 0,11)

4. Conclusione: Dato che P-value> 0.05 non rifiutare H0 qui. Così il campione non fornisce un bel po 'di prove per dimostrare che la media di riempimento si è spostato dal 70%.

Di qui la sintesi del test a due code t per μ è il seguente:

H0: μ = c contro H1: μ ≠ c

P-value: L'area totale superiore a | t | e inferiore - | t | sotto la curva con t-n-1 gradi di libertà. Se è abbastanza lontano da 0 sulla asse X su entrambi i lati (la direzione della H1) il valore di P sarebbe piccola.

Conclusione: Se P-value ≤ 0,05 rifiutiamo H0 con una significatività statistica.

Se P-value ≤ 0,01 rifiutiamo H0 con un alto significato.

Se P-value> 0.05 Non rifiutiamo H0.

Con il valore di -2,01 abbiamo tracciato lo stesso sulla curva a campana e notare che la H0 ipotesi nulla non può essere respinta. Quindi il risultato citato è che il campione non dispone di elementi sufficienti per mostrare il passaggio media dal 70%. Un'ultima cosa in questo estratto di due test di coda t è la tabella di due code test t. Eccone una:

Tabelle per uno e due test Tailed t

La maggior parte delle tabelle costituiscono un valore critico t-che fornisce solo i valori per uno o due code test t. Ma sicuramente non entrambi. Ma questa tabella si dice in breve come utilizzare e ricordare le formule per uno e due test di coda t.

Tabella che si Avere

Operazione

Per ottenere

Una pedinato

Dividere per 2 P

Due test per Tailed P / 2

Two Tailed

Moltiplicare per 2 P

Un test per Tailed 2P

Spero che questo articolo è una pioggia di informazioni sufficienti su ciò che è a due test t code e come e quando è utilizzato sotto l'oggetto della statistica. Beh, se siete ancora in mano una candela per le impossibilità di statistiche di compensazione, io consiglio di non farlo! Basta aprire questo articolo e ricordare poche cose semplici per intrappolare i vostri dubbi. All the Best!